2026年美国妇科肿瘤学会(SGO)年会于4月10-13日在波多黎各圣胡安隆重举行。作为妇科肿瘤领域最具影响力的全球性年度学术盛典，本次大会汇聚了世界顶尖学者，深度聚焦妇科肿瘤的前沿突破与临床实践。近期，SGO官网已披露部分最新研究摘要，【肿瘤资讯】为您整理AI、液体活检与早期检测方面的7项口头发言汇报。
基于CT扫描AI分析识别卵巢癌
题目
Identification of ovarian cancer with AI analysis of CT scans
汇报人
Katherine Sawaya
摘要号
101
研究目的
妇科肿瘤医师每年接诊的良性病例数量持续增加。目前虽有多种良恶性肿块分流评估工具，但尚无统一评估标准。前期研究中，研究团队构建了预测模型以通过腹部CT区分盆腔良恶性肿块。该研究旨在利用半监督AI（深度学习）分析腹盆腔CT图像，优化上皮性卵巢癌（EOC）检测效能。
研究方法
该研究为回顾性病例对照研究，纳入确诊前行腹盆腔CT的良性盆腔肿块患者（对照组，N=210）与EOC患者（病例组，N=348）。对CT图像进行数字化、标准化、格式处理后，采用卷积神经网络（CNN）与ViT两大主流架构建模，同时搭建新型混合架构模型。数据集按0.85:0.15的比例划分为训练集与验证集。
研究结果
基于深度学习方法构建的预测模型，在CT图像中预测EOC展现出较好的效能。通过对比不同掩膜区域的模型表现，结合掩膜分割的CNN架构被证实为表现最佳的深度学习模型，其AUC为0.92。
研究结论
深度学习在CT癌症检测中的准确率持续提升，同时计算耗时与成本降低。目前基于AI的CT分析方法不断增多，模型选择多样，但尚无理想金标准。受限于目前入组病例多为FIGO晚期且分级较高，模型性能仍需通过进一步研究进行优化提升。
基于阴道镜图像与MobileNetV2深度学习模型的宫颈病变二分类研究：对比分析
题目
Deep Learning-Based Binary Classification of Cervical Lesions Using MobileNetV2 on Colposcopy Images: A Comparative Study
汇报人
Seung-Hyuk Shim
摘要号
102
研究目的
通过阴道镜图像精准分类宫颈病变，对宫颈癌（CC）早诊早治至关重要。近年深度学习方法在多分类宫颈病变任务中表现优异，但轻量化模型在资源有限场景下的二分类应用价值尚未完全明确。该研究评估高效轻量CNN MobileNetV2用于宫颈病变二分类的有效性，并与已发表深度学习模型性能对比。
研究方法
共纳入4700张阴道镜图像，其中训练集3166张（阳性426张、阴性2742张），测试集1534张（阳性314张、阴性1221张）。所有图像统一缩放至192×192像素，采用水平翻转、旋转进行数据增强，由专家标注标签。基于MobileNetV2构建宫颈病变二分类模型（阳性与阴性），以验证准确率评估性能，并与ResNet50模型进行对比。
研究结果
MobileNetV2模型在独立验证集中的准确率为79.6%，AUC为0.7348。作为对比，ResNet50模型的准确率为80.12%，AUC为0.7475。研究观察到，在进行模型微调或更换模型架构后，性能并未出现明显提升。
MobileNetV2模型在宫颈病变二分类任务中的训练与微调曲线
研究结论
该模型表现出中等的区分性能。研究者特别指出，由于数据集中存在真实的类别不平衡，准确率在评估本模型时并非可靠指标。目前AI模型成功捕捉了阴道镜的视觉特征，其性能主要受限于数据集本身的特征，而非模型架构。未来仍需通过多中心验证并结合临床数据（如HPV、细胞学结果）来进一步优化其作为临床辅助解释工具的潜力。
基于5倍、10倍、20倍、40倍放大全切片成像，利用深度学习模型预测卵巢癌患者同源重组缺陷状态
题目
Using deep learning models to predict Homologous Recombination Deficiency (HRD) in patients with ovarian cancer based on whole slide images at 5x, 10x, 20x, and 40x magnifications
汇报人
JI Hyun Lee
摘要号
103
研究目的
同源重组缺陷（HRD）状态是预测EOC与原发性腹膜癌患者使用多腺苷二磷酸核糖聚合酶（PARP）抑制剂疗效的重要生物标志物。但HRD检测费用高昂，且通常需数周才能出结果。该研究结合多实例学习（MIL）框架与基础模型UNI，构建深度学习模型以预测HRD状态。
研究方法
该多中心研究分析新确诊卵巢癌或原发性腹膜癌患者原发灶与转移灶的苏木精-伊红（H&E）染色切片。全切片以40倍扫描，其中HRD阴性患者（N=26）共104张切片，HRD阳性患者（N=41）共113张切片。切片降采样至20倍、10倍、5倍并分割为小图块，得到阴性图块1369860个、阳性图块1549550个。数据集按80%、10%、10%比例划分为验证集与测试集，采用融合UNI与MIL的双层模型，设置不同包大小进行HRD预测。
研究结果
20倍放大、包大小64时，模型测试集AUC为0.973（95% CI：0.948–0.972），灵敏度0.895，特异度0.943，F1值0.895；40倍放大、包大小500时，AUC为0.975（95% CI：0.961–0.979），灵敏度0.816，特异度0.961，F1值0.873。
研究结论
融合UNI与MIL的双层模型可通过卵巢癌与原发性腹膜癌40倍全切片精准预测HRD状态。增大包大小可提升模型性能，尤其能提高特异度。
局部晚期CC的ctDNA：一项真实世界队列研究
题目
Circulating tumor DNA in locally advanced cervical cancer: a real-world cohort study
汇报人
Theresa Kuhn
摘要号
119
研究目的
局部晚期CC（LACC）复发与高死亡率相关，多数复发发生于辅助治疗后2年内，且多依靠症状发现。目前尚无经验证的生物标志物用于患者监测。该研究探索纵向循环肿瘤DNA（ctDNA）检测作为LACC患者根治性治疗（dTx）后癌症复发预测生物标志物的价值。
研究方法
该回顾性真实世界研究纳入58例CC患者，，其中78%为鳞状细胞癌。队列包含72%的LACC患者、22%的晚期CC以及5%的高危Ⅰ期患者。患者在接受dTx后由主治医生指导随访。研究对患者血浆样本进行纵向ctDNA检测。
研究结果
患者中位完成3次dTx后ctDNA检测。纵向随访中，共有38例患者所有时间点ctDNA均为阴性，这些持续阴性患者无一例发生复发。
在dTx后0-3个月的界标分析中，相比持续阴性者（n=20），ctDNA阳性者（n=5）的复发风险明显升高（HR=225.8；P<0.0001）；ctDNA由阴转阳者（n=5）的风险亦明显升高（HR=45.7；P=0.001）；界标分析中ctDNA阳性患者的中位无复发生存期（RFS）为3.0个月，持续阴性患者未观察到复发。纵向监测中共有16例患者ctDNA呈阳性，其中14例确诊复发（另2例因中位随访仅7.3个月暂未复发）。
在首次ctDNA检测阳性的患者中，90%（9/10）在阳性结果后3个月内触发了影像学检查，且100%（9/9）的影像学结果证实了疾病复发。
研究结论
该研究表明，ctDNA是LACC患者dTx后复发的有效预后生物标志物。纵向检测显示，所有复发患者在复发前或复发时ctDNA均为阳性。ctDNA阳性结果可触发后续影像学评估，且首次评估即均证实复发或进展，提示其在监测场景中具有较高临床提示价值。
循环肿瘤HPV DNA扩增亚型检测可有效检出晚期与复发性CC
题目
Expanded Subtype Testing for Circulating Tumor HPV DNA Reliably Detects the Presence of Advanced-Stage and Recurrent Cervical Cancer
汇报人
Kersten Rothnie
摘要号
120
研究目的
验证16种HPV亚型循环肿瘤人乳头瘤病毒（HPV）DNA片段检测可作为高灵敏度、高特异度的肿瘤存在生物标志物，为HPV相关CC治疗反应监测提供通用无创工具。
研究方法
研究为多中心前瞻性试验，纳入HPV阳性的HSIL或浸润性CC患者，在治疗前、治疗中（适用时）、治疗后采集血清样本，进行肿瘤组织修饰病毒（TTMV）-HPV DNA循环片段检测。扩增检测panel覆盖CC高危HPV筛查中最常见的16种亚型。定量各时间点检测值，并与体格检查/影像学疾病状态关联分析。
研究结果
80例可分析患者中有CC 46例（57.5%）、CIN II-III 26例（32.5%）、良性病变8例（10.0%）。CC患者中，初治38例（82.6%）、复发8例（17.4%）；初治患者中，Ⅰ/Ⅱ期28例（73.7%），Ⅲ/Ⅳ期10例（26.3%）。扩增panel检测CC的TTMV-HPV DNA整体灵敏度为51.1%，特异度100%；其中Ⅰ/Ⅱ期CC灵敏度为39.2%，Ⅲ/Ⅳ期为90%，复发癌为62.5%。对患者进行纵向观察发现，TTMV-HPV DNA评分的动态变化与治疗反应、疾病进展高度一致。
研究结论
TTMV-HPV DNA是检测浸润性CC的敏感且特异的生物标志物，其动态评分与治疗反应高度相关。未来将重点探索治疗后TTMV-HPV DNA评分与无进展生存期及总生存期的相关性，以确定其作为预后指标的临床效用。
宫颈胃型腺癌临床实用工具集的开发与验证：诊断模型、风险分层与生存预测列线图
题目
Development and Validation of A Clinically Applicable Toolkit for Cervical Gastric-Type Adenocarcinoma (GAS):Diagnostic model, Risk Stratification, and Survival Predictive Nomograms
汇报人
复旦大学附属妇产科医院邱君君
摘要号
110
研究目的
宫颈胃型腺癌（GAS）是高度侵袭性的非HPV相关恶性肿瘤，预后差，因症状非特异、HPV阴性常被术前误诊。目前缺乏成熟的诊断与预后工具，临床管理面临挑战。该研究旨在构建并验证一套综合工具集，用于GAS患者精准术前诊断、术后风险分层与个体化复发及生存预测。
研究方法
该回顾性多中心研究纳入中国四家三级医院160例GAS患者与194例非GAS患者，划分为训练集与外部验证集。团队构建多因素逻辑回归术前诊断模型，并进行术后风险分层，筛选独立预后因素，构建无复发生存（RFS）与总生存（OS）预测列线图。
研究结果
术前诊断模型整合症状、HPV状态、影像学特征与CA199及CA125水平，训练集AUC为0.93（灵敏度87.6%，特异度88.1%），验证集AUC为0.84。预后分层模型以宫旁浸润与盆腔淋巴结转移为依据，将GAS患者分为低、中、高三个风险组，5年RFS率差异明显（低危 78.86%；中危 38.90%；高危 24.79%；P<0.0001）。RFS与OS预后列线图预测准确性良好，内部验证C-index为0.81–0.91。
研究结论
该研究构建了宫颈胃型腺癌临床实用工具集，包含精准诊断模型、严谨风险分层系统与预测列线图，可优化术前识别、术后风险评估与个体化预后预测，为GAS患者临床管理提供全新框架。
多癌早筛检测降低宫颈、卵巢与子宫内膜癌死亡率的潜力
题目
The Potential of Multi-Cancer Early Detection Tests for Reducing Cancer Mortality in Cervical, Ovarian, and Endometrial Cancers
汇报人
Jade Xiao
摘要号
306
研究目的
2025年预计妇科癌症（宫颈、卵巢、子宫内膜癌）占美国新发癌症病例与死亡病例的10.5%。目前指南仅推荐CC筛查。该研究旨在模拟在标准治疗（SC）基础上增加血液学多癌早筛检测，对上述妇科癌症Ⅳ期发病率与死亡率的潜在降低效果。
研究方法
构建多癌早筛模拟模型，为14种实体瘤的连续时间离散事件微观模拟模型。基于大型前瞻性病例对照研究ASCEND 2得出不同癌种、分期的多癌早筛检测灵敏度。对美国50–84岁普通风险人群连续10年每年进行一次多癌早筛筛查。
研究结果
与单纯SC相比，SC联合多癌早筛可使宫颈、卵巢、子宫内膜癌10年Ⅳ期发病率分别降低83%（12/10万 vs 2/10万）、32%（50/10万 vs 34/10万）、44%（39/10万 vs 22/10万）。单纯SC vs SC联合多癌早筛的10年癌症死亡率，CC降低52%（18/10万 vs 9/10万），卵巢癌降低12%（64/10万 vs 56/10万），子宫内膜癌降低22%（60/10万 vs 47/10万）。
研究结论
该研究表明，在SC基础上增加多癌早筛，可明显降低宫颈、卵巢、子宫内膜癌的Ⅳ期发病率与癌症死亡率。多癌早筛在妇科癌症中的真实世界应用价值仍需进一步研究。
排版编辑：肿瘤资讯-Hanna
苏公网安备32059002004080号
