宫颈癌筛查系统ts01的临床应用1030例观察

合集下载
  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。

2019年11月A 第6卷/第31期
Nov. A. 2019 V ol.6, No.31
13
实用妇科内分泌电子杂志
Electronic Journal Of Practical Gynecologic Endocrinology
宫颈癌筛查系统TS01的临床应用1030例观察
齐伟宏,吕秋波*,改天姿,张 伟
(北京医院妇科,北京 100730)
【关键词】宫颈癌;筛查系统TS01;临床
【中图分类号】R737.33 【文献标识码】A 【文章编号】ISSN.2095-8803.2019.31.13.02
宫颈癌是妇科最常见的恶性肿瘤,高危型HPV 病毒持续感染会导致宫颈癌前病变以致宫颈癌的发生,我国目前宫颈癌筛查技术种类繁多,细胞学是目前常用的筛查方法。

但我国大部分医院细胞学医师缺乏,水平参差不齐,筛查过程中存在较高的漏诊率,严重影响了我国宫颈癌的筛查准确性[1]。

顾我们需要寻找一种快捷、全面、准确、易于操作的筛查方案。

随着技术进步,妇科肿瘤学家发现光电学方法挖掘了肿瘤病变发展过程中组织和细胞内发生的结构和生物化学改变,可以更精细的反馈宫颈上皮细胞和组织生理的变化,以便识别出可能代表CIN2+的病变[2]。

为了进一步明确宫颈上皮细胞和组织结构变化和光电数据之间的关联,国际阴道镜先驱Malcolm Coppelson 教授和Bevan Reid 一起开始了长达30年的研究。

2008年,全球第一种使用光电进行宫颈癌筛查的技术获得欧盟CE 和澳大利亚TGA 许可在欧洲上市;之后的2015年中国CFDA 批准了第一个用于常规宫颈癌临床筛查的光电筛查技术TS ,2016年美国阴道镜和宫颈病理学会ASCCP-新版Modern Colposcopy (第3版)评价:不同光波数据的智能分析,正常、肿瘤及癌前病变电阻抗参数变化分析等新技术在宫颈癌筛查的中将发挥更为重要的价值,以医疗大数据为样本的智能化筛查技术将是未来发展的趋势。

TruScreen(TS01)是以宫颈上皮组织病理学样本大数据库和光电智能传感器技术为基础的新一代人工智能宫颈癌筛查技术,可实时提供筛查结果,本研究主要评价TS01对宫颈病变的检测意义和临床使用价值。

TruScreen(TS01)是以宫颈上皮组织病理学样本大数据库和光电智能传感器技术为基础的新一代人工智能宫颈癌筛查技术,可实时提供结果,本研究主要评估新一代人工智能宫颈癌筛查系统TS01的临床应用效果。

1 资料与方法
1.1 研究对象
选自2017年9月~2018年3月就诊于北京医院妇科门诊的1050例患者,所有患者都有阴道镜检查指征,患者平均年龄为41岁(23~65岁)。

入组标准:有性生活,无全子宫切除、距未次妊娠及分娩时间1年以上、近半年内未做过宫颈相关治疗。

阴道镜检查适应症:宫颈细胞学检查异常≥ASCUS 或HPV 持续感染1年以上或临床检查高度怀疑宫颈病变、宫颈癌。

1.2 仪器和设备提供英国TruScreen limited 。

1.3 使用方法
由专门医师严格按照培训手册中操作要求进行TS 检
查;使用一次性传感器(single use sensor ,SUS),依次探点宫颈表面各个部位,光电学检查后显示正常(Nomal )和异常(Abnomal )。

TS 检查后者,由本院妇产科医师行阴道镜检查,采集宫颈上皮数据并记录阴道镜的检查结果,在可疑病变部位多点取活检送病理学检查;如阴道镜下检查没有发现异常,于阴道镜四象限内3、6、9、12四点常规取活检。

对阴道镜检查不满意者需要同时行ECC (宫颈管搔刮术)。

1.4 诊断标准
宫颈上皮组织病理学结果为金标准。

以宫颈上皮组织病理学结果:宫颈轻度不典型增生(CIN I )、宫颈中度不典型增生(CIN II )、宫颈重度不典型增生(CIN III )和宫颈癌,CIN I 定义为宫颈上皮低度病变,CIN II 及CIN III 定义为宫颈上皮高度病变。

1.5 统计学软件分析
采用SPSS 11.0进行统计学分析。

2 分析结果
2.1 TS01和传统细胞学、HPV 高危型检测宫颈病变的情况
本次试验共检测1050例,排除试验脱离20例,共计1030例;患者平均年龄41岁(23~65岁)。

T S 阳性率46%(460/1030),细胞学A S C U S 以上的阳性率50.49%(520/1030),HPV 阳性率92.23%(950/1030)。

宫颈活检病理(以CIN2为节点)结果正常800例,占77.6%,鳞状上皮低度病变(CIN I )200例(占19.41%),鳞状上皮高度病变230例(占22.33%)。

2.2 各种方法检测宫颈病变的敏感性和特异性
在1030例病例中,共检测出宫颈低级别病变200例,其中TS01的阳性130例(65%),宫颈液基细胞学阳性120例(60%);100%的病例HPV 阳性。

见表1。

表1 TS01与病理检查结果的数据统计
TS01病理检查结果CIN2+
合计
阳性阴性阳性210150360阴性20650670合计
230
800
1030
TS01筛查宫颈病变的敏感度是91.00%,特异度是81.25%,病理符合度83.5%,漏诊率为9.00%,230例组织病理CIN2+级病变漏诊20例,均为CIN2级病变。

见表2。

作者简介:齐伟宏(1969-),女,硕士研究生,副主任医师通讯作者:吕秋波,E-mail:lvqiubo@
2019年11月A 第6卷/第31期
Nov. A. 2019 V ol.6, No.31
14
实用妇科内分泌电子杂志
Electronic Journal Of Practical Gynecologic Endocrinology
表2 TCT 与病理结果的据统计
TCT 病理检查结果合计阳性阴性阳性160210370阴性70590660合计
230
800
1030
T C T 筛查宫颈病变的灵敏度是69.60%,特异度是73.75%,病理符合度72.8%,漏诊率30.4%,230例组织病理CIN2+级病变漏诊70例,其中CIN3级40例,CIN2级30例。

由以上两表格数据分析,TS01和TCT 检查对于宫颈病变筛查的敏感度存在显著差异,TS01的敏感性明显高于TCT 检查,且特异度也相对较高,这说明其结果的可信度更高,另外,本次统计中TS01异常结果患者中均有HPV 感染,如果我们将TS01的结果与HPV 相结合,那么对宫颈病变检查的灵敏度影响不大,但特异度将会相对于细胞学有显著提高,说明在临床工作中如遇TS01和HPV 检测均为阴性,我们可以较为放心的排除其病变可能。

3 讨 论
宫颈癌是妇科最常见的恶性肿瘤,高危型HPV 病毒持续感染会导致宫颈癌前病变以致宫颈癌的发生,宫颈癌筛查工作的广泛开展大大降低了发达国家宫颈癌的发病率[1]。

我国宫颈细胞病理学诊断医师缺乏,诊断水平参差不齐,筛查过程中存在较高的漏诊率,严重影响了我国宫颈癌的筛查准确性。

顾我们需要寻找一种快捷、准确、易于操作的筛查方案。

有文献报道细胞学筛查的敏感性相对HPV 低,但其特异性高。

HPV 高危型检测的敏感性高,但特异性差。

本研究以宫颈高度病变做为节点,发现TS01检查的敏感性高于细胞学检查(0.9/0.69),特异性高于细胞学
(0.84/0.73),说明在宫颈病变筛查中单独应用TS01方法优于TCT,在敏感性和特异性方面均有较高的表现,适宜筛查。

HPV 高危型持续感染是宫颈癌的必要条件,但将HPV 做为初筛时,由于不能去除病毒单纯感染及低级别病变的因素,虽阴性预测值高达99%,但特异性差。

细胞学与HPV 联合筛查中,细胞学仍存在判读方式、采样方式、多环节涉及人工和经验医学判断,漏诊率明显偏高,导致联合筛查仍存在一定的漏诊风险。

尤其在采样方式上,细胞学存在局限性,脱落细胞缺乏对组织结构的判别,TS01可在保证高敏感性的同时提高特异性。

本研究中TS01/HPV 筛查的敏感性显著高于细胞学/HPV ,且在保证高敏感性的同时又提高特异性,是目前较理想的筛查手段。

本研究中TS01/HPV 筛查的敏感性与细胞学/HPV 相当,特异性优于后者。

TS01人工智能技术,从开始的简单毛刷获取脱落细胞体外判读,到目前的光电探测技术,直接在体内宫颈组织上进行探测和扫描;这些进步在于基于病理学筛查技术的发展已拓展为主动探测组织结构变化,这种更加接近组织病理学金标准的智能化筛查,联合不断进步的HPV 技术,将会引领未来宫颈癌筛查技术发展的趋势。

参考文献
[1] 魏丽惠,赵 超.宫颈癌及其癌前病变的筛查研究进展[J].
中华妇幼临床医学杂志(电子版),2016,12(1):16-19.[2] Alvarez homas C.Wright Jr.光学检测系统作阴道镜辅助
检查增加高级别宫颈上皮内瘤样病变的检出Ronald D. Gynecologic Oncology ,美国妇科肿瘤学,106(2007)23-28.[3] Nature volume 542, pages 115–118 (02 February 2017)
Dermatologist-level classification of skin cancer with deep neural networks Andre Esteva1n1 Brett Kuprel1n1Roberto A. Novoa23Justin Ko2 Susan M. Swetter24 Helen M. Blau5[…]& Sebastian Thrun.
本文编辑:吴 卫
参考文献
[1] Kassebaum NJ,Bertozzi-Villa A,Coggeshall MS,et
al.Global,regional,and national levels and causes of maternal mortality during 1990-2013:a systematic analysis for the Global Burden of Disease Study[J].Obstet Anesth Digest,2015,35(4):196-197.
[2] Moodley J .Maternal deaths associated with eclampsia
in South Africa:Lessons to learn from the confidential
enquiries into maternal deaths,2005-2007[J].S Afr Med J,2010,100(11):717-719.
[3] Chung R S,Ahmed N.The Impact of Minimally Invasive
Surgery on Residents Open Operative Experience Analy-sis of Two Decades of National Data[J].Ann surg,2010.251(2):205-212.
[4] 朱海燕,阳建福,廖 琴,等.模拟教学法在麻醉临床见习
中的应用研究[J].基础医学教育,2013,15(1):64-66.
本文编辑:吴 卫
(上接6页)。

相关文档
最新文档