作者：范琳媛，白会会，刘朝晖，曹正，首都医科大学附属北京妇产医院/北京妇幼保健院
需氧菌性阴道炎（aerobic vaginitis，AV）是阴道炎中最常见的一种，占阴道感染的4.2%～25.8%，易合并其他阴道炎症。目前，AV的诊断方法仍是基于比利时学者Donders等［1］于2002年提出的生理盐水湿片法诊断标准，该方法基于生理盐水湿片无法长期保存，且需要相差显微镜，不能与其他阴道感染共用同一种检测方法。我国薛凤霞教授团队提出了“基于革兰染色
自2005年临床开始应用阴道微生态评价系统以来，除AV外的常见阴道感染如
1 资料与方法
1.1 资料来源 本研究所用样品来自2023年1月至8月首都医科大学附属北京妇产医院门诊进行妇科阴道微生态评价系统检测的样本，对患者信息不做任何记录。样本出现质量和涂片制备问题、标本储存条件不一致或超过时间限制、试验出现人为差错等均被剔除。共1184例临床阴道分泌物样品用于“基于革兰染色涂片结合临床特征的AV联合诊断标准”的AV自动化诊断的开发，学习革兰染色各项评分指标，517例临床阴道分泌物样本用于模型的验证。本研究经首都医科大学附属北京妇产医院伦理委员会审核通过（伦理批件号：2022-KY-084 -01）。
1.2 研究方法
1.2.1 样本采集 观察患者有无阴道黏膜充血情况、阴道分泌物黄色，并记录临床特征评分。按照妇科门诊常规的阴道内分泌物取样方法取样。
1.2.2 样本制备及检测 一管样本常规进行生理盐水湿片诊断方法（简称盐水法）进行AV评分。临床AV检测由2名富有丰富阴道微生态诊断经验的检验员独立、盲法进行观察，对于诊断有歧义的样本反复分析后得出一致结果。
另一管按照“革兰染色涂片结合临床特征的需氧菌性阴道炎联合诊断标准”分析，简称“基于临床及革兰染色法AV诊断标准”，并将该标准整合到仕达思 Comet-60au 高倍镜检分析系统中，进行阴道微生态的自动化检测。将样品拭子放入机器进样口，进行自动化涂片和革兰染色，并根据图像进行AV 联合诊断标准的判读。
1.2.3 AV自动化诊断机器学习算法方式 针对400×镜下，构建基底旁细胞、鳞状上皮细胞、白细胞的专家标注训练集，3种细胞的形态差异比较明显，所以该训练集符合类间差距大类内差距小的特征， 针对3种细胞分别在显微图像中可能出现的数量，分为“多、少、无”3种情况，该训练集有27种不同的显微图像场景组成，设计搭建卷积神经网络，基于该神经网络训练出端到端的人工智能目标检测模型，利用该人工智能检测模型检测出同一个病历中所有图片中3种细胞的数量，进而量化出
针对1000×镜下，构建加德纳菌、球菌、动弯杆菌、杆菌的专家标注训练集，其中针对加德纳菌构建的是分类训练集，针对球菌和动弯杆菌构建检测训练集，针对杆菌构建检测训练集，针对3个训练集，分别设计搭建优化的卷积神经网络，并训练出对应的端到端的人工智能模型，而其中针对杆菌的检测模型，针对检测出的杆菌要结合机器视觉算法，其中包括阈值分割、颜色分割、边缘检测、边缘最小外接四边形拟合等算法，进一步对杆菌的大小、颜色进行细分分类，包括革兰阳性杆菌、革兰阴性杆菌、小杂菌，通过以上人工智能模型和机器算法的结合，进而量化出
1.2.4 观察指标与诊断标准 基于临床及盐水法的AV诊断标准：有临床表现（分泌物黄色、阴道充血等）基础上，400×相差显微镜下人工评估LBG、白细胞数、含中毒性颗粒的白细胞占比、背景菌落和PBC占比5项指标，每项赋分0～2分，总计10分，≥3分时诊断为AV。
基于临床及革兰染色法AV诊断标准：共5项指标，包括：白细胞数（400×镜下评估）、PBC占比（400×镜下评估）、LBG（1000×镜下评估）、背景菌落（1000×镜下评估）和临床特征（阴道pH值、阴道黏膜充血和黄色分泌物）。各项指标=0分时，提示该指标正常，指标为1或2分时，提示该指标异常。每项指标0～2分，总分10分，≥4分时诊断为AV阳性。
1.2.5 结果比较 （1）基于临床及革兰染色法AV诊断标准，建立仕达思Comet-60au高倍镜检分析系统对AV诊断的自动化评价模型。（2）对上述AV自动化诊断模型进行验证。（3）以AV临床诊断结果为金标准，比较自动化检测结果与金标准诊断结果的一致率。
1.3 统计学分析 应用 SPSS 25.0 软件，计数资料以例数（百分比）表示，对自动化和金标准的诊断符合率进行卡方检验，一致性的比较采用Kappa检验，检验水准（α）为 0.05。P＜0.05为差异有统计学意义。
2 结果
2.1 基于临床及革兰染色法AV诊断标准的AV自动化检测模型的构建
2.1.1 建模阶段自动化检测与基于临床及盐水法的AV诊断方法在AV检出率及检测结果一致性的比较 采用1184例样品进行AV联合诊断标准的自动化检测模型构建，自动化检测AV评分≥4分诊断为AV，其中自动化检测AV阳性33例（2.8%）、阴性1151例（97.2%）。临床金标准组诊断AV评分≥3分且有临床症状的诊断为AV阳性，其中AV 阳性34例（2.9%），AV阴性1150例（97.1%），两组在AV检出率中差异无统计学意义。
进一步分析自动化检测方法与临床金标准检测结果的一致性，自动化检测方法与金标准诊断AV阳性一致率38.2%，AV阴性一致率98.3%，两种诊断方法总体一致率96.5%（P=1.000，Kappa=0.370）。
2.1.2 建模阶段自动化检测与基于临床及盐水法的AV诊断结果在AV评分各项指标的一致性比较 按照薛凤霞教授团队提出的AV联合诊断标准，对该标准中乳杆菌分级、白细胞数、背景菌群、基底旁细胞占比4项指标进行单独分析，比较自动化检测与临床金标准检测的一致性，见表1。两种检测方法检测乳杆菌分级正常的总体一致率较高，为73.8%，其中乳杆菌分级正常的检测一致率高达94.2%，而对乳杆菌分级异常的检出一致率为40.5%。白细胞数指标检测总体一致率68.6%，正常一致率为99.2%，但是对白细胞异常检出的一致性仅12.6%。而两种检测方法对背景菌群和基底旁细胞的总体一致率较低，分别为32.7%和57.0%，检测正常的一致率分别43.7%和58.0%。见表1。
2.2 AV自动化检测模型的验证
2.2.1 验证阶段自动化检测与基于临床及盐水法的AV诊断在AV检出率及检测结果一致性的比较 进一步采用517例临床标本对上述自动化检测模型进行验证，并同时进行临床金标准检测。自动化检测法检测AV阳性53例，AV阴性464例；临床金标准检测AV阳性35例，AV阴性482例，两种检测方法在AV 检出率中具有一定差异（P=0.045）。比较两种检测方法检测结果一致性，发现两种检测方法总体一致率87.2%，AV阳性一致率31.4%，AV阴性一致率91.3%。见表2。
2.2.2 验证阶段自动化检测与基于临床及盐水法的AV诊断结果在AV评分各项指标的一致性比较 在验证阶段517例样本中，除基底旁细胞占比指标外，乳杆菌分级、白细胞数和背景菌群的异常结果检出率在2种检测方法中具有差异（P均＜0.001）。比较其一致性发现，各项指标正常的一致率较高均＞95%，而对异常指标的检出率较低，总体一致率由高到低依次为基底旁细胞占比（94.6%）、背景菌群（70.8%）、乳杆菌分级（69.6%）、白细胞数（59.6%），较模型建立阶段有所提高。见表3。
3 讨论
3.1 需氧菌性阴道炎的临床诊断 AV是常见的妇科阴道炎症，其常合并其他类型的阴道感染。AV患者阴道内乳杆菌减少，阴道菌群多样性增加，以
3.1.1 既往AV诊断方法的局限性 自2002年Donders等［1］提出AV概念及诊断标准以来，国内外广泛采用阴道分泌物生理盐水湿片诊断方法，并结合临床症状进行诊断。但是传统生理盐水湿片诊断方法由于采用流动的生理盐水介质，需配备相差显微镜进行观察，对检验人员要求较高，若检验员对AV诊断的经验不足，常出现漏诊现象，且由于湿片无法保存，导致不能够回顾性阅片。因此，生理盐水湿片诊断方法在临床推广一直存在很大的局限性［6］。
尽管目前已有一些基于细菌培养法、生化检测法、分子诊断方法等方法诊断AV，但由于阴道环境中本有多种微生物存在的复杂状态、检测方法对诊断设备要求较高、实验灵敏性低或费用较高等原因，并未在国际及国内大范围推广［7-10］。
3.1.2 基于革兰染色涂片结合临床特征的需氧菌性阴道炎联合诊断标准 2021年薛凤霞教授团队创新性提出了“基于革兰染色涂片结合临床特征的需氧菌性阴道炎联合诊断标准”，阴道分泌物涂片经革兰染色后，不仅使涂片细菌和细胞得到固定，使镜下观察不受制片时间限制，而且可实现1000×镜下评估。革兰染色作为国际实验室检验行业标准，可用于多种细菌和真菌的形态判别，目前BV和VVC诊断中，均采用基于革兰染色涂片进行诊断［11-12］。而AV革兰染色诊断标准的提出，简化了阴道炎诊断过程，可在同一张革兰染色涂片上同时诊断VVC、BV、AV及其混合感染，提高了诊断效能，简化了诊断流程，上述各种优点也为阴道微生态诊断的自动化应用提供了可能。
3.2 阴道微生态人工智能诊断AV 近年来，随着人工智能 （artificial intelligence，AI）技术的发展，AI在医学数据分析和自动化诊断研究中被日益广泛应用［13］。通过机器学习提取不同疾病的形态学特征，从而进一步挖掘出与疾病过程直接相关的有效病理信息。人工智能诊断技术也已在超声及CT领域进行应用，可以帮助阅片者高效识别影像资料，进行快速诊断［14-15］。基于机器学习与深度学习的人工智能技术，已逐步开始应用于阴道微生态病理图像识别以及
传统AV诊断方法基于生理盐水湿片，流动的介质不仅需要配套高规格的相差显微镜，而且也需要有丰富经验的检验人员进行诊断，使得AV检验在基层地区的推广受限。本研究开发的AV自动化检测方法不仅弥补了临床检验设备和人员不足的缺点，避免因人工检测引起的误诊和漏诊，而且还可以加快AV诊断效率，降低临床检验的工作量。另一方面，由于AV常合并BV 或VVC，以往需要采用两种制片方法对AV相关的混合感染进行诊断。本研究所开发的自动化诊断方法基于阴道分泌物的革兰染色涂片，这使得在同一张片子中同时进行AV、BV、VVC 等常见阴道感染成为可能，将大幅提高AV混合感染的检出率和诊断效率。同时，革兰染色涂片可长期存放，也为AV的回顾性阅片及远程会诊提供了可能。
3.3 本研究局限性及改进方向 本研究中自动化检测模型与临床金标准检测模型无论在是否患有AV，还是各项细分评分指标中，两种检测方法均有一定差异，其原因可能是AV 阳性的诊断与4项细分的评分指标密切相关，AV阳性的诊断需要综合4项细分的评分指标，任何一项评分指标检测结果的不准确都可能影响最终诊断的一致性。另外，由于AV 发病率较低，尽管本研究纳入了1184例样本用于模型的开发，但是临床诊断AV阳性仅34例，由于AV阳性例数较少，机器对AV患者阴道分泌物病理图像的学习可能不够饱和，导致对阳性患病特征的识别度降低，从而导致AV阳性一致率稍低。
另外，根据薛凤霞教授团队提出的革兰染色AV评分标准，各项评分=0分时，该指标正常，各项指标=1或2时，该指标异常。由于本模型建立处于初始阶段，以及AV阳性样本及各指标异常样本数量有限，我们仅根据正常和异常对各指标进行二分类，以比较两种检测方法的一致性。后续将继续增大AV阳性样本量，以及各指标异常的样本量，深入对AV 各项指标的学习，进一步优化AV各项指标分类和评分，从而提高AV诊断的灵敏度。
本研究开发的AV自动化诊断模型，在结构呈现时仅提示AV评分及最终诊断，若能显性标识病理图像中的病原体种类，对于临床用药及治疗将有更大帮助，也会使得计算机辅助诊疗AV能力更加完善，可更好地辅助医生治疗。
3.4 总结及展望 本研究初步构建了AV的自动化检测方法，使得AV自动化检测成为可能，但是距离模型的最终应用落地，尚需要更大样本，以及多个医疗机构之间的人机对照验证。本研究建立的AV 自动化诊断方法，为基于革兰染色标准的阴道微生态自动化诊断模型的开发提供了示例和经验，由于AV的自动化检测尚处于研发阶段，尚需要人工复核，以确保结果准确性。但我们相信，随着阴道微生态病理图像分类识别技术的进步，以及计算机和机器学习的不断深入，阴道微生态的自动化诊断将更加完善，并在临床广泛应用。这对提高对女性生殖道感染的整体诊疗能力，促进女性生殖健康具有重要意义。
参考文献略。
来源：范琳媛，白会会，刘朝晖，等.基于革兰染色涂片的需氧菌性阴道炎诊断标准在阴道微生态自动化检测中的应用研究［J］.中国实用妇科与产科杂志，2024,40(5)：556-560.
(本网站所有内容，凡注明来源为“医脉通”，版权均归医脉通所有，未经授权，任何媒体、网站或个人不得转载，否则将追究法律责任，授权转载时须注明“来源：医脉通”。本网注明来源为其他媒体的内容为转载，转载仅作观点分享，版权归原作者所有，如有侵犯版权，请及时联系我们。)
