IARC发布阴道镜筛查HPV阳性女性性能数据

国际癌症研究机构（IARC）早期检测、预防与感染分支负责人Partha Basu在LinkedIn平台分享了一项关于阴道镜用于HPV阳性女性分流评估性能的Zui新研究成果。该研究以系统综述和荟萃分析的形式，详细量化了阴道镜检查在宫颈癌筛查中的临床效能指标，旨在为后续人工智能辅助诊断工具的开发设定性能基准。这一数据发布正值全球宫颈癌筛查技术向数字化、智能化转型的关键节点，对于理解传统金标准与新兴AI技术的性能差距具有重要参考价值。

该研究题为《准确性：阴道镜在宫颈癌筛查中对HPV阳性女性的分流作用》，由Nina Dhollander、Marc Arbyn等来自IARC及世界卫生组织（WHO）的多国专家共同完成。研究团队对现有文献进行了全面梳理，重点评估了阴道镜在识别宫颈上皮内瘤变（CIN）中的诊断准确性。核心数据显示，针对CIN2+病变，阴道镜（基于低级别阴道镜印象）的 pooled sensitivity（汇总灵敏度）达到84.4%（95%置信区间：79.0%–88.6%）；针对CIN3+病变，其汇总灵敏度为86.9%（95%置信区间：81.7%–90.8%）。在特异性方面，针对低于CIN2级病变的 pooled specificity（汇总特异度）为64.3%（95%置信区间：57.4%–70.7%）。

从技术细节来看，阴道镜作为宫颈癌筛查中的关键分流工具，其核心价值在于将HPV初筛阳性的高危人群进一步细分，以确定哪些患者需要进行活检或治疗。上述数据表明，尽管阴道镜是目前的临床标准，但其对别病变的识别并非，仍存在约13%-15%的漏诊风险（即灵敏度未达），同时有超过三分之一的非高危患者可能被错误标记为需要进一步干预（特异度不足70%）。这种性能瓶颈正是当前医疗技术寻求突破的主要动力。Marc Arbyn作为该研究的主导者，强调了这些数据在设定新工具基准方面的重要性。

这一研究成果对正在开发用于HPV阳性女性分流的AI工具具有直接的指导意义。IARC及WHO内部也在研发相关的AI辅助诊断系统，而此次发布的阴道镜性能数据实际上构成了这些新工具的“天花板”或参照系。如果新的AI算法旨在替代或辅助医生进行分流决策，其灵敏度必须至少达到84.4%以上，特异度需优于64.3%，才能在临床应用中证明其非劣效性或优越性。对于医疗器械制造商而言，这意味着在研发和验证阶段，必须将阴道镜的临床表现作为核心对标参数，任何声称“超越传统诊断”的AI产品都需要提供严谨的头对头比较数据。

从产业链和应用场景来看，宫颈癌筛查市场正经历从单纯检测向精准分流转变的过程。HPV核酸检测的高灵敏度导致了大量的假阳性或一过性感染人群被纳入后续流程，给医疗资源带来巨大压力。阴道镜作为第二道防线，其效率直接决定了医疗系统的负担。随着AI技术的介入，行业关注点已从“能否发现病毒”转向“能否准确判断病变风险”。中国及全球其他地区的医疗设备供应商、软件开发商及医院部门需密切关注此类基准数据的变化，因为这可能影响未来的技术参数设定和临床路径的优化。

该案例揭示了一个具体的行业关注点：在引入新技术替代或辅助传统诊断流程时，必须建立基于高质量循证医学数据的性能评估体系。对于中国从业者而言，在参与国际项目或引进海外AI诊断方案时，应重点审查其训练数据是否涵盖了类似IARC研究中的多中心、大样本特征，以及其算法是否在灵敏度与特异度之间取得了符合临床实际的平衡，避免因过度追求单一指标而导致误诊率上升或医疗资源浪费。