人工智能分析系统对需氧菌性阴道炎的判读方法初探

摘要

目的 开发基于深度学习的人工智能阴道分泌物分析系统，评估自动化镜检对需氧菌性阴道炎（aerobic vaginitis, AV）临床诊断的准确性。方法 选取2020年1月–2021年12月就诊于四川大学华西第二医院妇产科3 769例患者的阴道分泌物，以人工镜检结果为对照，通过Python Scikit-learn script开发出能识别含中毒颗粒白细胞和基底旁上皮细胞（parabasal epitheliocytes, PBC）的人工智能自动化分析软件（linear kernel SVM algorithm），并利用乳杆菌和AV常见分离菌的标准菌株重新设置细菌分级参数。以人工镜检结果为对照，得到人工智能判断AV评分中各项目各分值之间的受试者工作特征（receiver operating characteristic, ROC）曲线和cut-off值，从而设定出自动化判读AV的参数，初步建立AV自动化分析评分方法。结果 共收集到3 769份阴道分泌物标本。人工智能识别AV共有5个参数，每个参数有3种程度。乳杆菌与AV常见菌的直径分界值为1.5μm，乳杆菌的自动化判断参数是长径≥1.5μm∶<1.5μm细菌的比值，分界值是2.5和0.5；白细胞（white blood cell, WBC）的自动化判断参数中，WBC绝对数量的分界值是10～3μL^-1,WBC/上皮细胞的比值分界值是10；含中毒颗粒白细胞的自动化判断参数是含中毒颗粒WBC/WBC比值，分界值是1%和15%；背景菌落的自动化判断参数是<1.5μm，细菌分界值是5×10～3μL^-1和3×10～4μL^-1,PBC的自动化判断参数是PBC/上皮细胞的比值，分界值是1%和10%。自动化镜检与人工镜检的一致率为92.5%,200例标本中评分一致的有185例，不一致有15例。结论 本研究开发的人工智能AV识别软件，其建立的阴道分泌物AV自动化镜检评分方法，检测结果与人工镜检具有较好的一致性，可较为客观、敏感、高效完成临床检验，并降低人工镜检工作负荷。

关键词

需氧性阴道炎 / 人工智能 / 自动化分析