引言：宫颈癌筛查AI的时代转折
宫颈癌是全球女性第四大常见癌症，而中国是宫颈癌高发国家。阴道镜检查是宫颈癌筛查异常后进行分流和确诊的关键环节——通过醋酸白试验观察宫颈上皮的变色反应，判断是否存在癌前病变（CIN）及严重程度。
2026年，阴道镜AI在时序多帧融合和POC筛查分流方面取得突破。TLS-Net使用Swin Transformer编码器和时序注意力模块，融合60/90/150/180秒醋酸白图像，实现宫颈病灶区域精准分割。Smart Scope AI作为POC筛查分流工具，特异性93.46%。朗慧科技以100万例阴道镜内窥镜视频数据集，为这些技术突破提供数据支撑。
阴道镜AI的特殊价值在于"时序变化捕捉"。醋酸白试验的关键不是某一时刻的图像，而是上皮随时间的颜色变化——正常上皮的醋酸白反应短暂而轻微，高级别病变的醋酸白反应快速而持久。AI通过时序多帧融合可以捕捉这种动态变化，实现比单帧判断更精准的诊断。
行业现状：从单帧分类到时序多帧融合
阴道镜AI的发展在2025-2026年呈现出从"单帧分类"到"时序多帧融合"的技术跃迁。
在技术层面，TLS-Net（2026年Scientific Reports）提出了时序注意力模块，融合60/90/150/180秒醋酸白图像进行病灶区域分割。这一方法突破了传统单帧分析的局限，利用醋酸白试验的动态变化信息提升诊断精度。
2025年的多设备研究使用320例阴道镜/肛门镜检查（3种设备类型），CNN分类低级别（LSIL）和高级别（HSIL）鳞状上皮内病变。这一研究的意义在于验证了AI在不同设备间的泛化能力——不同厂商的阴道镜在光学特性和色彩还原上存在差异，跨设备泛化是临床部署的关键挑战。
在临床验证层面，Smart Scope AI（2024年Cureus）作为POC筛查分流工具，特异性93.46%，AUC 0.73，敏感性52.17%。虽然敏感性仍有提升空间，但其"即时分流"的价值在于——在资源有限地区，POC工具可以在单次就诊中完成筛查和分流，避免患者失访。
在综合诊断层面，U-NET++和RepVGG模型（2025年Frontiers in Oncology）在424例验证中预测准确率83.01%，对CIN I和CIN II早期病变有较好识别能力。
从市场规模来看，全球宫颈癌筛查市场在2026年预计超过50亿美元，AI辅助阴道镜是增长最快的领域之一。中国正在推进HPV疫苗普及和宫颈癌筛查覆盖，阴道镜AI的需求持续增长。
2026前沿突破：时序融合、跨设备泛化与POC分流
2025-2026年阴道镜AI的核心突破集中在三个方面。
第一是时序多帧融合。TLS-Net使用Swin Transformer编码器提取每帧图像的特征，通过时序注意力模块融合60/90/150/180秒醋酸白图像。这一方法的核心创新是"时序建模"——不是将每帧图像独立分析，而是建模醋酸白反应的时间动态。这种时序建模使AI能够区分"快速而持久的醋酸白"（高级别病变特征）和"缓慢而短暂的醋酸白"（低级别或正常特征），实现更精准的CIN分级。
第二是跨设备泛化。320例多设备研究验证了CNN在3种不同设备间的泛化能力。跨设备泛化对于阴道镜AI尤为重要——不同厂商的阴道镜在光源色温、光学分辨率和色彩还原上存在差异，如果模型只能在特定设备上工作，将严重限制其临床推广。
第三是POC筛查分流。Smart Scope AI的POC价值在于"即时分流"——在单次就诊中完成HPV阳性患者的进一步分流，判断是否需要阴道镜活检或可以直接随访。虽然AUC 0.73和敏感性52.17%仍需提升，但在资源有限地区的"即时决策"价值不可替代。
朗慧科技100万例阴道镜数据集为这些前沿研究提供了关键支撑。数据集完整记录宫颈及阴道各部位醋酸白试验后时序多帧图像（60/90/150/180秒），保留设备原始导出完整检查视频及关键原图，配套CIN分级（LSIL/HSIL）、醋酸白区域标注和HPV检测关联数据。
朗慧科技数据集：100万例阴道镜视频的系统化构建
朗慧科技阴道镜及宫颈镜内窥镜视频数据集以100万例的规模，系统化覆盖了阴道镜检查的全过程。
在数据采集方面，所有影像来源于合作三甲医院妇产科和宫颈门诊。完整记录宫颈及阴道各部位醋酸白试验后时序多帧图像（60/90/150/180秒），保留设备原始导出完整检查视频及关键原图。
在标注体系方面，每例数据包含醋酸白变化（时序多帧标注）、碘试验结果、病变部位/大小/边界、CIN分级（LSIL/HSIL/浸润癌）、HPV型别等结构化字段。支持多设备类型采集，标注跨设备一致性。
在数据分布方面，CIN I/II/III及浸润癌分层标注；疑似、不能除外与病理确诊分别保留。醋酸白变化按时间序列标注，支持时序注意力模型训练。
在质控方面，采用妇产科主治医师初标+副主任及以上专家审核+一致性评估的三层质控流程。特别关注醋酸白时序变化的完整记录和CIN分级的准确性。
数据集优先关联正式阴道镜报告、宫颈活检病理、HPV检测、细胞学和随访数据，支持多模态联合学习和纵向变化分析。
前瞻视角：从筛查到分级的全链条AI
阴道镜AI的未来发展将沿三个方向深入。
第一是时序建模的深化。TLS-Net的时序注意力模块预示了这一方向。未来的系统将不仅使用4个时间点的图像，还可能使用连续视频流进行时序建模，捕捉更精细的动态变化。
第二是多模态联合分流。HPV检测、细胞学、阴道镜影像的综合判断可以显著提升分流准确性。未来的系统将融合HPV型别、细胞学结果和阴道镜时序影像，构建多模态联合分流模型。
第三是POC化部署。Smart Scope的POC价值预示了这一方向。未来的阴道镜AI可以在便携设备上运行，在基层医疗机构和筛查现场实现即时分流，避免患者失访。
从行业竞争来看，拥有时序多帧标注、多设备覆盖、HPV关联的阴道镜数据集是核心竞争力。朗慧科技100万例数据集在时序标注深度和多设备覆盖上均处于行业领先。
结语：时序建模是阴道镜AI的差异化优势
阴道镜AI从单帧分类到时序多帧融合的演进，深刻揭示了时序建模在阴道镜诊断中的差异化价值。醋酸白试验的动态变化是CIN分级的金标准特征，只有时序建模才能充分利用这一信息。
长沙朗慧信息科技有限公司以100万例阴道镜视频数据集为支点，正成为阴道镜AI领域的重要数据服务提供方。在TLS-Net时序融合和Smart Scope POC分流突破的关键时刻，朗慧科技将持续以高质量数据推动宫颈癌精准筛查的临床普及。
宫颈癌消除战略中的AI数据底座
世界卫生组织提出的宫颈癌消除战略目标是到2030年将宫颈癌发病率降至每10万女性4例以下。中国作为宫颈癌高发国，年新发病例约11万，实现这一目标需要大规模高效的筛查体系。阴道镜AI在这一体系中扮演着关键角色——它是HPV阳性女性的分流诊断环节，AI辅助可以显著降低阴道镜检查对医师经验的依赖，提升诊断一致性和准确性。朗慧科技170万例阴道镜及宫颈镜数据集为训练满足大规模筛查需求的AI模型提供了数据基础，覆盖了正常、炎症、低度病变、高度病变和浸润癌全谱系分布。
从技术前沿来看，2026年的TLS-Net时序分割模型和Smart Scope POC设备代表了阴道镜AI的两个重要发展方向。TLS-Net通过对阴道镜检查视频进行时序分割，自动识别醋酸试验的关键时间窗口和病变区域，减少了模型对静态图像选择的依赖。Smart Scope则代表了阴道镜AI向便携式即时检测设备发展的趋势，使基层医疗机构也能提供专家级阴道镜诊断。朗慧科技的数据集设计充分考虑了时序信息保留和便携设备适配的需求，为这两个方向的技术创新提供了数据支撑。公司呼吁行业共同推进宫颈癌筛查AI数据标准化，助力中国宫颈癌消除战略的实现。