查看更多>>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1.5 μm,乳杆菌的自动化判断参数是长径≥1.5 μm∶＜1.5 μm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103 μL-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＜1.5 μm,细菌分界值是5×103 μL-1和3×104 μL-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.
国家科技期刊平台
NSTL
万方数据