近日，Nature communications（IF:12.12）在线发表了南方医科大学基础医学院丁彦青教授团队的研究成果：Hybrid AI assistive diagnostic model permits rapid TBS classification ofcervical liquid-based thin-layer cell smears。文章的通讯作者为我院病理学系丁彦青教授、新加坡科技局/新加坡科研院，生物信息学研究院余维淼教授、我院病理学系梁莉教授和深圳市第一人民医院病理科成志强主任，第一作者为我院病理学系朱孝辉博士、深圳宝安人民医院（集团）李晓鸣主任、新加坡科技局/新加坡科研院，生物信息学研究院王国豪博士、我院病理学系张文丽博士和郑州大学附属第一医院病理科李文才主任。

该研究收集了多个大型医疗机构的>81,000个宫颈液基细胞学涂片样本，严格依据TBS诊断要求进行标注分类（>170万个标注图片数据），整合了YOLOv3目标检测模型、Xception分类模型、Patch区域分类模型及细胞核分割模型的特征，利用XGBoost模型和逻辑决策树对特征进行拟合，开发出一套包括质量控制解决方案的AI辅助宫颈液基细胞学TBS分类诊断系统（AIATBSsystem）。经多中心前瞻性验证（>34,000个样本），结果证实AIATBS系统在保持快速（<180s/张涂片）和高特异度的同时，又表现出优于高年资细胞病理医师的敏感度，并能够适应不同制片、染色及扫描的涂片样本。

原文链接:https://www.nature.com/articles/s41467-021-23913-3