AI+产学研联合攻关 西安交大为子宫内膜癌筛查提供“中国方案”

5张细胞载玻片同时进入一体机，3分钟内出报告。这是7月2日上午，记者在西安一家医院的病理科看到的一幕。

原本需要病理医生逐帧观察的细胞形态，AI系统会以热力图的形式标注可疑区域，并迅速出具系统报告。历时8年研发，西安交大李奇灵教授团队国际首创的这套“子宫内膜细胞学筛查人工智能辅助诊断系统”已完成了从实验室到临床应用的“最后一公里”，探索出一条“医工交叉、校企协同、医院验证”的产学研一体化创新路径。

临床需求抛出课题

锚定“子宫内膜细胞筛查全过程产品”

“子宫内膜癌公众知晓率低，但在女性群体中的发病率却不低，且呈逐年上升的趋势，随着子宫内膜癌发病率和死亡率的逐年升高，筛查迫在眉睫。”提起研发“子宫内膜细胞筛查全过程产品”的缘起，李奇灵教授说，早期患者可通过规范的细胞学筛查实现早诊早治，有机会保住生育能力、内分泌功能和生活质量。

“现实情况是，因子宫内膜细胞学筛查存在取样难、诊断难、病理医师缺乏等三大痛点问题，无法大规模筛查。接诊患者中不乏这样的病例：36岁的王女士尚未生育过，因一次异常出血就医发现子宫内膜癌，不得不切除子宫和卵巢，失去生育能力和内分泌功能，最终错失最佳治疗窗口。”李奇灵说，对这些难点和痛点，她已经持续关注并投身研发十多年。

传统筛查方法中，首先是“取样难”。超声只能提示内膜增厚，但无法区分良性增生或癌变。李奇灵教授说，诊刮术需要手术操作，创伤大、需麻醉、体验差，可能因取样误差错过病灶，存在漏诊风险。

业内相关专家认为，子宫内膜细胞学筛查是最佳路径，细胞学筛查面临的首要问题就是取样。李奇灵研发的一款新型子宫内膜取样刷——“Li刷”（Li Brush），经西安美佳家医疗科技有限公司的工程师们数年不断优化已经面世。这个细小的一次性倒锥形取样器以无痛、高效、安全的特点改变了患者筛查体验感，并获得国家专利证书。目前，“Li刷”已经成功应用于临床，数据显示其取样成功率超95%，且病理检测准确性与传统诊刮相当。

“Li刷的出现，让子宫内膜癌筛查不再令人恐惧。”北京大学附属人民医院王建六教授说。李奇灵表示，团队正在致力推动该技术纳入基层医疗体系，“希望未来女性在社区医院就能享受无痛、高效的筛查服务”。取样问题解决后，李奇灵团队又接续研发了SHI标本制片系统，攻克了传统制片方式子宫内膜细胞学筛查中“制片难”的问题。

“解决了‘取样难’和‘制片难’，还面临诊断难（最难）这一问题。”李奇灵说，病理诊断被称为“金标准”，但一个合格的细胞病理医生需要5-8年培养，每天看片8小时，最多处理50例样本。团队经过调研发现，传统人工阅片依赖医生经验，涂片厚薄不均、细胞重叠等问题都容易影响诊断准确性。“我们急需一个‘不会累、看得准、学得快’的辅助工具。”李奇灵说。

临床问题不能仅靠医学领域单打独斗，必须借助工科的技术力量。在一次医工交叉论坛上，李奇灵将这一难题抛了出来。西安交大电信学部自动化学院钟德星教授团队现场就回应，其团队在人工智能与医学影像分析领域深耕多年，愿意和李奇灵团队一起组建联合攻关组，解决这个难题。

跨学科创新碰撞

一场医工交叉联合攻关的生动实践

临床医学的精准需求遇上人工智能技术，一场跨越学科的创新碰撞，一场医工合作的生动实践火热展开。

据西安交大相关负责人介绍，在国家医学中心、区域医疗中心和国家医学攻关产教融合平台支持下，联合攻关团队从子宫内膜细胞医学图像入手，结合人工智能和医学影像分析技术，克服医学图像样本少、标注难、个体差异大等难题，提出了多种先进的子宫内膜癌计算机辅助诊断方法，提高了诊断效果。

研发过程中，李奇灵团队提供了上万例标注精准的临床病例数据，在中国科学院史桂芝教授团队的共同参与下，详细解读子宫内膜细胞的形态特征、癌变规律，为AI系统搭建“医学认知框架”；钟德星团队则发挥算法优势，设计深度学习模型，让计算机“看懂”细胞涂片，通过反复训练优化，最终实现对异常细胞的高灵敏度识别。

经过反复试验和优化，团队成功研发出国际首创的子宫内膜癌筛查AI辅助诊断系统，该系统能精准识别混杂背景中的异常细胞，有效缓解了临床工作中细胞学诊断难及细胞病理科医生奇缺的卡脖子难题，破解了长期困扰妇科肿瘤早筛的诊断瓶颈。

“王阿姨，报告显示，您的子宫内膜细胞学检查结果正常，但结合血清标志物数据，建议每年定期复查。”在一家医院妇科门诊，医生对手拿筛查报告的王女士说。这份让王女士安心的报告背后就是“子宫内膜细胞学筛查人工智能辅助诊断系统”的“功劳”，让子宫内膜癌这个“难筛、漏筛”的“沉默杀手”无处遁形。

据了解，“子宫内膜癌筛查人工智能辅助诊断系统”已由西安美佳家医疗科技有限公司落地转化，并成功获批子宫内膜细胞医学图像分析系统二类医疗器械注册证。这是全球首例获批的子宫内膜细胞图像分析相关的二类注册证。在实际应用中，这套AI系统展现出惊人实力：对早期癌变细胞的识别准确率达95%，阅片速度是人工的20倍，且能稳定输出标准化诊断结果，有效弥补了不同级别医院诊断水平的差异。目前，该系统已在广东、北京、陕西、河南、新疆等地的20余家医院落地应用。“AI不是替代医生，而是成为医生的‘超级助手’。”李奇灵表示，这项技术突破，不仅推动子宫内膜癌筛查进入智能化时代，更助力优质医疗资源下沉，为女性健康筑起更坚实的防线。

形成闭环创新链条

产学研合作育人结出硕果

在合作过程中，李奇灵团队和钟德星团队共同指导研究生开展交叉课题研究，学生既深入临床学习病理知识，又参与算法编程，形成了“临床需求-技术研发-临床验证”的闭环创新链条，在产学研合作育人方面取得喜人成绩。

“我参与了项目二期临床研究中的一个小环节——临床取样、追溯病理结果等。基于在团队中的实践，我完成了以‘子宫内膜人工智能图像识别系统的有效性’为主题的毕业论文。”李奇灵的研究生、宝鸡市人民医院妇科医生尹盼月告诉记者，她最大的收获是在参与产学研合作过程中，逐渐建立起临床科研思维，学会从临床现象中提炼科研问题，促使她不再仅满足于“治好眼前的病”，更会思考“如何让更多患者受益”，同时也提升了她的跨学科整合能力，拓展了认知边界。

李奇灵团队成员梁冬鑫博士，现就职于西安交通大学第一附属医院。“当时我的相关课题遇到了瓶颈，就和老师讨论通过医工交叉来解决。踏进理化实验室刚开始很难，基础的专业名词对我来说都是陌生的，再加上医学与理工科之间思维的差异，在沟通上可能就各讲各的，还都无法理解对方提出的问题。”梁冬鑫告诉记者，李奇灵教授因此频繁地组织团队内外相关学科的教授，如钟德星教授、吴彪教授、吴春生教授等人开研讨会，提出问题、答疑、反复进行充分讨论，加上大量查阅相关文献及科研资料，以及相关学科同学和老师们的倾囊相授，梁冬鑫的科研思维逐渐在医学思维基础上加开了“理工科副本”。最终，团队设计出了既能满足临床需求又具备可行性的课题，并把课题开展起来。“当医学的‘痛点’遇上工程的‘利器’，果然能激发出意想不到的创新火花，最终实现了临床需求+科研攻关+人才培养的闭环。我最大的感受是在科研这条路上，一定要多查多问多做，不要畏难，不要偷懒，踏踏实实做下去。”梁冬鑫说。

“产学研不是简单的‘1+1’，而是让临床智慧与技术创新相互滋养。”钟德星教授坦言，合作中最珍贵的是两个团队形成的“共同语言”——医生学会用数据思维描述问题，工程师则更懂临床场景的实际需求。这种深度融合，正是破解医学难题、推动技术落地的关键。

此次科研突破为子宫内膜癌筛查提供了“中国方案”。西安交通大学国家技术转移中心技术经理人张玮说，这一项目在陕西股权交易中心（西部创新港）服务中心挂牌后，将加速科研成果的技术转化和产业升级，为后续研发注入强劲动力。

（记者 任娜）