牛津大学出版社出版的“国家癌症研究所期刊”的一项新研究表明，使用完全自动化的方法可以有效地进行高质量的宫颈癌筛查。参与该研究的研究人员表示，自动化技术可以提高服务欠缺地区的宫颈筛查覆盖率。

宫颈癌是由致癌性人乳头瘤病毒(HPV)持续感染引起的。HPV疫苗接种控制传播是最终的预防策略;然而，疫苗接种仍然是一个长期的解决方案，因为覆盖范围仍然有限以及感染和癌症发展之间的长时间延迟。

宫颈筛查的主要目标是检测潜在的癌前病症，可以治疗以预防宫颈癌。子宫颈筛查计划包括两个程序：一般人群的筛查和筛查阳性妇女的分离，以集中治疗可能的恶化前病症。对于一般筛查阶段，HPV的致癌类型HPV检测正在逐步取代细胞学(Pap检测)，因为HPV检测对于检测癌症前期恶性肿瘤更为敏感。它对于越来越多HPV接种的人群也具有更高的可重复性和适应性。

资源较高地区的主要治疗策略结合了部分HPV分型(以确定最高风险类型)和巴氏试验(在本案例中用作HPV阳性妇女的第二次检测)。传统的巴氏试验目前与大多数美国筛查计划中的HPV检测相结合，以确定哪些妇女应该接受治疗，这是劳动密集型的。

使用计算机解释的巴氏试验进行分诊可以实现整个筛选过程的自动化。在这里，研究人员报告了这种完全自动化的宫颈筛查策略的设计和评估，以确定自动化算法是否能够像传统解释的巴氏试验那样准确地分离和优先考虑HPV阳性妇女的治疗。

研究人员在此开发了一种基于计算机扫描的基于液体的载玻片功能的新型风险评分算法，使用幻灯片扫描仪将HPV阳性妇女分离到目标可能的恶化前病症，该扫描仪执行高速图像捕获以检测巴氏试验幻灯片的特征例如存在不同的细胞类型，核大小和核轮廓。严重性等级旨在识别批次中最无害的幻灯片，以减少和/或指导治疗决策。

研究人员将其与异常巴氏试验结果进行了比较，以预测2010年在加利福尼亚州北部Kaiser Permanente检测HPV阳性的1839名女性的癌前病变。通过记录连锁确定了癌前病变结果。作为额外的验证，他们将该算法与在Kaiser Permanente筛选的243,807名女性中的巴氏试验结果进行了比较。

在HPV阳性的女性中，该算法与异常巴氏试验结果的分类性能相匹配。结合HPV检测，自动化方法将91.7%的HPV阳性病例转诊至即时治疗，同时将38.4%的HPV阳性妇女推迟至一年的再次检测(分别为89.1%和37.4%，用于分型和巴氏试验分诊) )。在2016-2017验证中，预测的风险评分与巴氏试验结果密切相关。

这项研究的结果表明，计算机算法符合或超过巴氏试验的性能，这表明没有巴氏试验的全自动宫颈筛查是可行的，可以改善服务欠缺地区的宫颈筛查覆盖率。