妇科科研诊断

学术汇报妇科科研诊断最新进展（2026）AI赋能·液体活检·影像组学·全周期诊疗日期2026年9月内容导览01诊断格局之变传统瓶颈与变革驱动力02AI赋能诊疗人工智能全周期应用突破03液体活检革命ctDNA与无创筛查前沿04影像与分子融合多模态协同诊断进展05临床转化与展望从科研到普惠的路径CHAPTER诊断格局之变从经验判断到数据驱动传统手段的敏感度与侵入性瓶颈，正倒逼诊断范式变革。01传统诊断手段面临四大瓶颈侵入性强子宫内膜癌常规筛查依赖刮宫病理，有创操作且成本较高患者依从性受限敏感度不足经阴道超声与单一标志物检测对早期病变检出能力有限亟需更高灵敏的替代方案判读主观MRI解读依赖放射科医生经验，存在判读误差风险缺乏客观量化指标资源不均基层医院缺乏资深专家宫颈癌等疾病早期筛查与规范化诊疗存在显著地域差异变革驱动力：多组学与AI的汇流多维检测体系成形覆盖外周血、月经血、子宫冲洗液及宫颈阴道液等多种样本协同细胞学、基因组学、蛋白组学与AI辅助构建多维检测框架DNA甲基化标志物行业进入价值深耕期2026年中国分子诊断行业告别粗放扩张PCR全自动一体化、NGS向常规临床渗透数字PCR在MRD监测中确立不可替代优势政策目标倒逼WHO提出2030年宫颈癌筛查覆盖率达70%当前全国适龄女性筛查率仅51.5%农村地区更只有48.2%，可及性缺口亟待技术破解CHAPTERAI赋能诊疗从单点预测到全周期智能体AI正从筛查、诊断走向手术决策与复发监测的全程赋能。02AI规模化落地始于肿瘤筛查肿瘤筛查是AI最早实现规模化应用的核心环节—2026CACA肿瘤防筛大会，朱滔教授技术路径"OLIVE"AI技术仅依托常规CT影像，即可精准甄别早期肿瘤患者，大幅提升早筛灵敏度覆盖范围AI辅助诊断系统已覆盖乳腺、甲状腺、腹部、妇科等12个部位，临床验证准确率约

83%基层落地在新疆100多家基层医疗机构投入使用，累计完成超

130万例

肿瘤早筛，单套成本压缩至

1.5万至3万元知识底座妇产科AI已构建涵盖百万级临床病例与千余篇指南共识的专科知识图谱，支撑智能决策卵巢癌全周期智能体的构想同基线，不同结局：从单点预测到连续决策对比案例同基线，不同结局两位患者年龄相同、均为45岁、均诊断FIGOIIIC期高级别浆液性卵巢癌，但复发时间差异显著：一位术后24个月才复发，另一位仅10个月即进展。传统指标（年龄、分期、组织类型）无法解释这种差异，大量隐藏在影像、病理、分子数据中的信息未被充分利用。多模态智能辅助体系多模态智能辅助体系融合临床资料、影像、病理、分子特征与治疗动态变化核心转变AI不只是“告诉我们会发生什么”，更要回答“下一步应该怎么做”全周期连续支持通过影像组学、病理组学与多组学信息融合，实现筛查、手术决策、耐药预测到复发监测的覆盖CHAPTER液体活检革命从组织依赖到无创动态监测ctDNA与新型样本路径正在重塑妇科肿瘤的筛查与随访逻辑。03阴道灌洗液测序突破EC早期筛查灌洗液测序突破解读检出率对比阴道灌洗液直接富集宫腔脱落的肿瘤细胞及ctDNA，克服了血浆在早期子宫内膜癌中浓度低的局限。上清液检出率达90.9%，血浆仅18.2%，非侵入性筛查潜力显著。基因组一致性上清液与肿瘤组织基因组改变一致性达81.8%，可检测

KRAS、PIK3CA、PTEN

等关键靶向基因突变。研究局限研究纳入11例IA期患者，样本量较小需更大规模验证，但已展现出指导靶向治疗的潜力。四类样本突变检出率对比检出率（%）灌洗液上清液显著高于血浆ctDNA监测复发与指导治疗复发监测提前个性化肿瘤突变谱检测较CA-125和影像学检查提前7个月识别复发荟萃分析ctDNA高水平的卵巢癌患者PFS与OS更差提前7个月耐药识别BRCA1/2回复突变cfDNA中识别，预测PARP抑制剂原发或获得性耐药临床价值帮助避免无效治疗的毒性分子分型落地吉诺康妇科肿瘤检测覆盖70个相关基因与52个微卫星区域辅助分型子宫内膜癌POLE、TP53、MSI分型，兼容组织及液体活检样本CHAPTER影像与分子融合从单一模态到跨模态协同多模态融合模型正在突破传统影像判读的精度天花板。04多模态模型精准预测宫旁侵犯宫旁侵犯是区分早期与晚期宫颈癌的关键，直接决定手术或放化疗方案选择。集成模型整合影像组学、栖息地成像与2.5D深度学习特征，训练队列AUC达0.973，准确率91.8%。四类模型AUC对比AI模型性能逐级跃升肿瘤内影像组学：AUC0.719，作为基准参照📏肿瘤周围影像组学：AUC0.843，3毫米区域特征更有价值单一模式最优：AUC0.954，单模态天花板集成模型：AUC0.973，多模态融合显著占优多模态融合栖息地2.5D深度学习重建与多组学融合从影像加速到多模态融合：深度学习MRI与CervixFormer的双线进展0.92诊断AUC深度学习加速成像与跨模态融合并进，兼顾重建质量与诊断可解释性。01深度学习重建MRI加速与质量的权衡2倍加速：信噪比与对比噪声比均显著优于传统并行成像，主观评分达满分。3倍加速警示：客观指标与2倍相当，但诊断信心显著下降，细微纹理与边界可能被平滑。02多模态融合框架CervixFormer技术路径：基于Transformer融合MRI、PET/CT影像组学与基因组学、蛋白组学数据。核心数据：多中心数据集诊断AUC提升至0.92，进展预测准确率提高15%。临床意义：跨模态特征融合提升早期诊断准确性，增强临床可解释性。CHAPTER临床转化与展望从实验室到基层普惠技术价值最终取决于能否跨越验证、标准与可及性的鸿沟。05标准化与多中心验证是关键路径从技术可行到临床落地，标准化与多中心验证是跨越鸿沟的关键路径标准化与多中心验证，是跨越临床落地鸿沟的关键路径标准化病史字段症状、体征、肿瘤标志物等关键临床数据需统一格式化，是外部验证的基础。数据留存与积累CT、MRI等影像及病理数据需完整保存，为AI模型训练与验证提供支撑。多中心外部验证先内部验证、再外部验证，才能推广应用；标准化流程是跨机构验证的前提。AI技术团队支持临床、影像、病理与工科AI团队的深度协作，是技术落地的必要配套条件。从科研突破到基层普惠无创筛查技术路径PHASiFY尿液HPV检测检出CIN2+敏感性达86.96%，优于阴道自取样Cobas检测的76.09%一尿两检同一尿液样本先行HPV检测、阳性自动触发甲基化分流，灵敏度与传统方法相当AI辅助医生是诊疗核心主体，技术价值最终取决