直肠癌术后放疗后发生继发性膀胱癌的风险：一项基于人群的队列研究

《Radiography》：Risk of secondary bladder cancer after postoperative radiotherapy for rectal cancer: A population-based cohort study

宫颈癌发病率趋势及HPV疫苗接种影响分析——基于NLP的影像报告自动解析系统验证。

　　宫颈癌是一种与人类乳头瘤病毒（HPV）感染密切相关的疾病，据世界卫生组织统计，它是全球女性中第四大常见的癌症。随着医学技术的进步，影像学在宫颈癌的诊断和分期中扮演了重要角色。特别是磁共振成像（MRI）和计算机断层扫描（CT）技术，不仅提高了诊断的准确性，还为评估宫颈病变、局部区域情况以及远处转移提供了重要支持。由于MRI具有更高的组织分辨率和空间分辨率，它通常用于评估局部区域的宫颈癌情况，而CT或超声（US）则用于评估远处转移。此外，影像学在对接受治疗的宫颈癌患者进行随访以及对已知或疑似复发或转移的宫颈癌进行监测中也发挥着关键作用。

在早期诊断方面，筛查和治疗癌前病变已被证明在预防宫颈癌方面具有显著效果。这些策略不仅有效，而且具有高度的成本效益，有助于提高治愈率。近年来，预防性HPV疫苗的引入也显示出在降低宫颈癌发病率方面的积极影响。随着疫苗接种的推广，宫颈癌的发病率在不同年龄层呈现出变化趋势，这种变化不仅体现在临床表现和疾病负担上，还反映在影像学检查的需求上。然而，传统的基于检查的统计方法可能过于宽泛，难以准确识别不同人群在影像学检查需求上的潜在差异，因为其他疾病（如子宫内膜癌、肌瘤或卵巢肿块）通常使用相同的检查类型或协议。

因此，引入人工智能（AI）驱动的自然语言处理（NLP）工具，可以更高效地提取有价值的临床数据，同时减少对影像资料的依赖。本研究开发了一种基于规则的NLP系统，用于识别和分析2013年至2023年间在本机构接受MRI、CT或US检查的宫颈癌患者报告。该系统首先在一组有限的手动标注的报告上进行评估，以确保其准确性和可靠性。随后，该系统被应用于更大的数据集，以提取与宫颈癌相关的信息，进行全面的人群分析。我们的方法包括按特定年龄组进行详细分层，从而能够评估癌症发病率的变化趋势，并分析HPV疫苗接种计划在不同人群中的潜在影响。

在本研究中，我们特别关注了不同年龄层的宫颈癌发病率变化。数据显示，30岁以下的女性群体中，宫颈癌的发病率保持在较低水平，这可能反映了HPV疫苗接种的积极影响。30至40岁的群体中，发病率在2020年之前有所下降，之后出现小幅上升。而40至60岁的群体中，发病率总体呈下降趋势，但存在一定的波动，这可能表明长期疫苗接种的效果正在显现。对于60岁以上的患者，发病率也有所下降，但波动较大，这可能与多种其他风险因素有关。

本研究的创新之处在于，通过NLP方法评估HPV疫苗对宫颈癌影像学需求的影响。我们的研究结果表明，AI驱动的文本分析可以高效提取与宫颈癌相关的数据，为影像学检查的需求分析提供新的视角。这不仅有助于理解不同人群在影像学检查需求上的变化，还为制定更具针对性和个性化的预防策略提供了依据。尤其是在HPV疫苗接种覆盖率不均的地区，这种技术可以发挥重要作用，帮助研究人员更准确地评估疫苗接种对宫颈癌发病率的影响。

此外，本研究遵循了《赫尔辛基宣言》（2013年修订版），并获得了本地伦理委员会的批准。由于研究基于完全匿名化的影像报告，且为回顾性分析，因此无需获得个体患者的知情同意。为了确保患者隐私和数据安全，我们实施了严格的匿名化措施，包括系统性地移除所有直接的个人标识符，如患者姓名、医疗记录编号等。这些措施有效保障了数据的保密性和患者的隐私权。

在验证集的测试中，系统在200份手动标注的影像报告上表现优异，其精确度、召回率和F1分数均超过0.99，显示出高度一致和平衡的性能。整体准确率达到99.5%，进一步验证了系统能够正确识别相关类别，并且在分类过程中错误率较低。混淆矩阵的结果也表明，系统在区分不同类别时具有良好的性能，能够有效减少误判情况。

本研究的结论是，实施基于NLP的影像报告分析系统，是提升人群层面宫颈癌监测能力的重要进展。这种高效的方法不仅简化了疾病检测的过程，还增强了公共卫生体系的功能。我们的研究结果揭示了重要的年龄相关趋势，表明HPV疫苗在年轻群体中取得了显著成效，这与全球范围内的证据一致。然而，在老年群体中，由于疫苗接种率较低，仍存在一些挑战。因此，针对不同人群的疫苗接种策略需要进一步优化，以确保其在所有年龄段都能发挥最佳效果。

总体而言，本研究展示了一种基于NLP的解决方案在处理医学影像报告方面的潜力。通过自动化分析，研究人员可以更高效地提取与宫颈癌相关的数据，从而更准确地评估HPV疫苗接种对疾病发病率的影响。这种技术不仅有助于提高数据收集和分析的效率，还能够为制定更有效的公共卫生政策提供支持。在未来的应用中，NLP系统有望在更多医学领域发挥重要作用，特别是在处理大量非结构化文本数据方面。这将有助于推动医学研究的智能化发展，提高医疗服务质量，并促进公共健康事业的进步。