作者：吴乙时，陈彦东，
1 资料与方法
1.1 一般资料 本研究收集了2022年6月至2025年3月就诊于吉林大学第二医院妇科，诊断为人乳头瘤病毒（HPV）感染或子宫颈上皮内病变或子宫颈癌32 250例患者的门诊、住院、随访过程中全部的诊疗信息，包括智慧问卷、HPV及薄层液基细胞学检查（TCT）结果、阴道镜图像、病理结果、影像学检查、分期、手术方式及术后辅助治疗情况等数据。
1.2 方法
1.2.1 架构搭建 本中心于2021年底在吉林省内率先开设了子宫颈疾病筛查门诊，并逐步构建了全周期多模态融合的子宫颈专病数据库，为建立“一站式”子宫颈癌防治体系奠定了基础。
数据整合实现全流程管理。通过集成整合智慧问诊、临床信息系统和随访系统等多模态数据，本团队构建了涵盖整个子宫颈疾病周期的数据库，将子宫颈疾病患者从筛查（社区筛查和疫苗接种）、诊断（阴道镜和病理）、治疗到长期随访全部诊疗信息纳入其中，涉及智慧问卷、诊疗文书、影像资料、病理报告等多模态数据，打破了以往传统的数据孤岛现象，实现不同来源、不同格式数据的有机统一融合，并借助主索引（EMPI）技术，通过惟一的患者标识实现同一患者跨系统数据的精准关联与动态更新。
分层架构支持智能化应用与科研探索。本团队采用“数据-服务-应用”三层架构体系。（1）数据层作为基石，将不同来源的异构数据整合在一起形成统一的数据资源库。（2）服务层是核心，能够对底层数据进行深度挖掘与智能分析，同时也为上层应用提供支撑。（3）应用层为使用者提供具体的服务，包括：①患者端：为患者提供智慧问诊、复诊提醒与智能语音随访等功能，提升患者就医体验和依从性；②临床端：为医护人员提供患者诊疗全景视图、随访管理工具等，有利于实施分层管理和个体化治疗；③科研端：支持病例报告表（CRF）的设计、科研数据智能检索、统计分析及临床试验管理等功能，为疾病研究、疗效评估及新技术探索提供平台。见图1。
1.2.2 数据处理 借助智慧问诊与结构化电子病历，实现了“数据采集-整合-应用”全链条结构化治理。（1）数据采集：移动端智慧问诊系统收集23项疾病相关信息，并采用动态逻辑跳转（如有HPV疫苗接种史者强制选择疫苗类型、未接种者自动跳过）与勾选标准化选项（占比＞95%），显著提升了数据准确率与填写效率，使患者填写问卷时间缩短90%。（2）数据整合：一键导入功能能够将问诊内容导入门诊结构化电子病历中，医生填写时间缩减约70%。同时，系统能自动抓取检验检查结果，避免人为填写延迟或漏填，使数据缺失率下降76%。（3）数据应用：①住院患者通过强制填写和规则校验（如术前病理和分期等质控指标为必填项）发挥质控作用，提高诊疗规范性；②填写“下次随访时间”系统自动生成并下达随访任务，实现随访的长期化管理。
1.2.3 随访管理 “人工+人工智能（AI）”双驱动随访管理模式提高随访质量。子宫颈癌的长期管理对于改善患者预后、降低复发率至关重要［6］。本团队构建了一套“人工+AI”双驱动的子宫颈癌随访管理平台，在患者出院时，平台基于治疗方案自动生成个性化随访日历。复查前7 d通过医院公众号向患者推送随访提醒，引导患者及时预约挂号。复查前3 d启动短信提醒与自动语音外呼功能，利用智能语音识别和合成技术，通过人机对话实现复诊邀约，告知复诊注意事项，对没有及时反馈的患者自动转至人工访视路径。
2 结果
2.1 临床应用前后对比 2024年我中心子宫颈癌筛查量为41 952例次、
本研究随访患者电话访视率达100%，平均复诊率达89.20%，随访次数8次及以上者61例，最高随访次数13次，累计随访12 434例次。术后2年内HPV阳性检出率由原来的27.4%提升至47.1%（P＜0.0001）。
2021年我中心平均术前分期率为83.8%，信息化质控后，2023年平均术前分期率提升至92.3%，术前分期率明显提升（P＜0.0001）。
2.2 临床应用成果转化 全周期多模态结构化数据，促进了高质量子宫颈专病数据库的建立，驱动并实现了从“数据资源”到“临床验证”“诊疗价值”的转变。
2.2.1 构建阴道镜AI辅助诊断模型 本团队构建了包含6000余幅涵盖不同病变级别的阴道镜图像数据集，同步采集醋酸与
2.2.2 构建双阶段子宫颈疾病风险预测模型 全周期同质化数据集，使精准预测子宫颈癌发病风险成为可能。本团队构建了包含23项关键参数的双阶段动态预警模型，应用LightGBM算法训练风险分层模型，实现“HPV感染风险预测-HSIL病变风险评估”的连续预警。
2.2.2.1 构建HPV感染风险预测模型 经LightGBM算法处理后输出HPV阳性概率和主要预测因素。多中心验证显示模型性能优异，曲线下面积（AUC）=0.9266，灵敏度90.24%，特异度96.31%（图4a）。且对HPV16/18型感染预测效果更佳（AUC=0.9368）。基于该模型本团队还开发了相应的应用程序接口（API）应用于临床，助力子宫颈癌筛查的普及。
2.2.2.2 构建HSIL病变风险预测模型 针对传统HPV+TCT筛查阳性患者容易出现过度转诊的问题，本团队研发了HSIL病变风险预测模型。该模型将HPV分型、TCT细胞学及智慧问诊数据整合在一起，采用LightGBM+Stacking融合算法，生成HSIL患病风险百分比。经2396例验证，模型AUC=0.8429，灵敏度85.1%，特异度82.3%（图4b），显著减少了不必要的阴道镜检查。
3 讨论
近年来，得益于大数据和AI技术的发展，国内出现了少数子宫颈癌综合诊疗服务体系［7］和专病数据库［8］。与之相比，本团队建立的多模态协同“一站式”子宫颈癌医防融合体系具有以下优势：（1）全周期数据整合：打破传统系统仅覆盖院内诊疗的局限，引入社区筛查、疫苗接种、院外随访等多项全域数据，形成真正意义的“筛查-诊疗-随访”闭环。（2）动态决策支持：利用 EMPI技术跨系统实时关联，无需进行手工匹配，避免了传统信息系统因为信息脱节造成的信息延后和诊疗决策滞后等问题。（3）“三位一体”协同发展：构建“临床-管理-科研”协同应用模式，专病数据库直接孵化AI工具，落地科研成果临床转化。
AI驱动的妇产科智能化诊疗、管理与教育模式是未来发展的必然趋势［9］，AI不仅能加速诊断过程、提高治疗效果、优化医疗资源分配，而且还能促进个性化医疗的发展［10］。阴道镜检查对于判断子宫颈癌前病变和浸润风险至关重要［11］。然而，我国基层医院阴道镜医生诊治能力参差不齐［12-13］。因此，本团队研发了一套阴道镜AI辅助诊断系统，在阴道镜检查过程中能够精准标注HSIL及以上高风险区域并自动推荐活检部位，解决了基层医生由于经验不足导致HSIL漏诊的问题。双阶段风险预测模型，通过简单的数据收集能够快速预测HPV感染及HSIL患病风险，便捷无创，推动了子宫颈癌防治关口的前移。未来，本团队将进一步加强AI辅助工具在子宫颈癌防治中的应用与落地，形成基于真实世界的大人群数据资源库，通过机器学习与算法优化不断迭代升级AI辅助工具。
在质控管理层面，我中心将国家子宫颈癌质控标准融入到子宫颈疾病患者电子个案登记表中。通过对质控指标进行结构化拆分，将复杂且多维度的诊疗信息拆解为一系列标准化的数据字段，通过限制性勾选的方式确保信息被准确记录的同时规范诊疗路径。以术后辅助治疗的高危因素为例，如果勾选存在高危因素，表单将自动弹出淋巴结转移、切缘阳性或宫旁受侵3个符合诊疗规范的选项提供给医生作为必选内容，这种设计巧妙地强制医护人员严格遵循既定的诊疗规范和流程进行治疗。结构化电子个案登记表在省内推广，有助于实现省级质控同质化，助力全域子宫颈癌防治协同发展。
此外，多模态协同“一站式”子宫颈癌防治体系的建立也为本团队研究子宫颈癌发生发展机制、探索新的检测和治疗方法以及开展高质量临床研究搭建了平台。依托该平台本团队开展了基于细胞膜裂解途径的新型抗肿瘤免疫药物相关研究，并参与了子宫颈癌甲基化检测、荧光光电图像检测、免疫治疗疗效及手术方式评估等多个国内多中心临床研究，为探索子宫颈癌防治策略提供了新思路。
利益冲突 所有作者均声明不存在利益冲突
作者贡献声明 吴乙时：论文撰写与体系框架建设；陈彦东：信息框架建设与技术支持；崔满华：专科业务指导与体系框架设计；谭文溪，
参考文献略
来源：吴乙时，陈彦东，崔满华，等.多模态协同“一站式”子宫颈癌医防融合体系的建设和临床应用［J］.中国实用妇科与产科杂志，2025,41(10):1034-1038.
(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。)
