编辑推荐：
这篇综述聚焦人工智能（AI）在子宫内膜异位症影像学的应用。目前相关研究主要集中于超声（US）和磁共振成像（MRI）。多数 US 研究用经阴道超声（TVUS）数据检测疾病相关特征，MRI 研究多评估疾病诊断与分割。但现有研究存在样本小、缺乏标准化等问题，AI 应用尚处早期，值得深入探究。
### 一、引言
子宫内膜异位症是一种常见的妇科疾病，对女性健康影响较大。在其诊断过程中，影像学检查发挥着关键作用。然而，传统的诊断方法面临诸多挑战，而人工智能（AI）技术的兴起，为改善子宫内膜异位症的影像学诊断带来了新的可能。本综述旨在总结 AI 在子宫内膜异位症影像学中的应用现状，为后续研究提供方向。
二、AI 在子宫内膜异位症影像学的研究现状
目前，AI 在子宫内膜异位症影像学的研究主要围绕超声（US）和磁共振成像（MRI）展开。
在超声方面，多数研究使用的是经阴道超声（TVUS）数据。这是因为 TVUS 能够更清晰地显示盆腔内的结构，对于子宫内膜异位症的诊断具有重要价值。研究的目标集中在检测深部子宫内膜异位症植入物、子宫腺肌病（adenomyosis）、子宫内膜瘤（endometriomas）以及子宫内膜异位症的继发性体征。例如，通过 AI 算法对 TVUS 图像进行分析，可以更精准地识别出这些病变的特征，提高诊断的准确性。
而 MRI 方面的研究相对有限。在已有的 MRI 研究中，大多致力于评估子宫内膜异位症的疾病诊断和分割。MRI 具有良好的软组织分辨能力，能够提供更详细的图像信息，有助于医生对疾病进行更准确的判断。借助 AI 技术，对 MRI 图像进行分析，可以更好地确定病变的范围和性质，为临床治疗提供有力支持。
此外，还有部分研究探索了多模态方法在子宫内膜异位症影像学中的应用。这种方法将 US 和 MRI 数据相结合，或者把影像学数据与临床数据整合起来进行分析。通过综合多种数据来源，可以获取更全面的信息，提高诊断的可靠性。
三、现有研究存在的问题
尽管 AI 在子宫内膜异位症影像学中的应用取得了一定进展，但当前的研究仍存在诸多不足之处。
从样本角度来看，大多数研究采用的样本量较小，并且多为回顾性研究，使用的是单中心数据。样本量小会导致研究结果的代表性不足，难以推广到更广泛的人群。回顾性研究本身存在一定的局限性，可能会受到多种因素的干扰，影响研究结果的准确性。单中心数据也无法反映不同地区、不同医疗条件下的差异，限制了研究成果的普适性。
在模型方面，现有的 AI 模型往往只关注狭窄的疾病检测或诊断问题，缺乏标准化的基准事实。这使得不同研究之间的结果难以进行比较和验证，阻碍了 AI 技术在子宫内膜异位症影像学中的进一步发展。
四、结论
综上所述，AI 在子宫内膜异位症影像学分析中的应用目前还处于早期阶段。虽然已经在超声和 MRI 等影像学检查方面进行了探索，并取得了一些成果，但面临着样本量小、缺乏标准化等挑战。未来，需要开展更多大规模、前瞻性、多中心的研究，建立标准化的研究方法和基准事实，进一步优化和拓展 AI 模型，以提升其在子宫内膜异位症诊断中的准确性和实用性，为临床医生提供更可靠的诊断依据，造福广大患者。
