1月20日，上海科技大学生物医学工程学院王乾团队在国际学术期刊Cell Reports Medicine发表题为“UniCAS: A foundation model for cervical cytology screening”的研究论文，推出了专为宫颈细胞学筛查设计的基础模型UniCAS，为大规模自动化筛查提供了兼具高精度与高效率的全新解决方案。
宫颈癌筛查是女性健康防护的第一道防线，其中宫颈液基细胞学检查（TCT）是最为普及的筛查手段。然而，在临床实践中，病理医生面临着极其繁重的阅片压力，难以实现高效筛查。尽管人工智能技术已在病理领域得到应用，但现有的基础模型大多基于组织病理学数据开发，面对细胞学图像中细胞分散、形态多样等复杂特征时适应性存在不足。此外，现有的诊断模型通常需要针对不同的诊断任务独立部署，计算流程繁琐，难以满足临床对于高通量筛查的迫切需求。
专为宫颈细胞学筛查设计的通用基础模型UniCAS
针对上述挑战，研究构建了包含48532张宫颈细胞学全切片的大规模数据，覆盖了从15岁到90岁人群的广泛病理特征。这些样本用于自监督地训练出 UniCAS 编码器，使其能够精准捕捉宫颈细胞细微的形态学特征。
在切片诊断层面，研究创新性地设计了“多任务聚合器”，使得 UniCAS 能够在处理同一张切片时，并行完成宫颈癌筛查、念珠菌感染检测和线索细胞诊断三项核心临床任务，极大减小了计算开销。除了高效的切片级诊断，UniCAS也实现了区域级别的分析任务，能够精确定位异常细胞及感染微生物，并进行细粒度的分类与分割，为病理医生提供直观的可视化证据，辅助医生快速复核。此外，针对临床扫描中常见的图像模糊问题，UniCAS还具备强大的像素级图像增强能力，能够智能修复失焦区域，确保了诊断信息的完整性。
这一成果不仅证明了领域专用基础模型在细胞学筛查中的巨大潜力，也为推动宫颈癌筛查的智能化与普及化提供了强有力的技术支撑。
上海科技大学王乾课题组博士研究生姜灏天、硕士毕业生蔡江东（现任职腾讯）为共同第一作者，上海科技大学王乾教授、上海交通大学张立箎副教授为共同通讯作者，上海科技大学为第一完成单位，上海临床研究中心为合作单位。
沪公网安备 31011502006855号