一管血先分流，英國NHS把疑似子宮癌轉診交給AI輔助判讀

對許多因異常出血而被緊急轉診的女性而言，排除子宮癌往往意味著陰道超音波、內診，甚至更進一步的取樣檢查。這些程序在診斷上有其位置，卻也帶來疼痛、不適與焦慮。英國部分NHS信託醫院如今開始導入一項名為PinPoint Test的血液檢測，嘗試把第一道分流做得更精細：誰需要盡快進一步檢查，誰可能暫時屬於較低風險。

根據《衛報》報導，這項由PinPoint Data Science開發的檢測已在數家NHS醫院使用，對象包括疑似子宮癌或其他婦科癌症的轉診病人。報導引述的試驗資料顯示，在3,313名因可能罹患子宮癌而轉診的女性中，檢測對婦科癌症的偵測與排除準確率達99%。若此表現在臨床服務中延續，部分低風險病人或可避免陰道超音波等較不舒服的檢查。

PinPoint近日也表示，相關五年NHS服務評估結果已刊登於《Mayo Clinic Proceedings: Digital Health》。公司資料稱，這項評估涵蓋五個NHS信託、170間全科診所與16,481名志願者，評估九種用於NHS疑似癌症緊急轉診路徑的演算法；其中上消化道、下消化道、婦科、頭頸部與肺部測試被推進至實施階段。較早前，PinPoint曾稱該評估在西約克郡招募約1.7萬名疑似癌症病人，並指出上消化道與婦科癌症的早期結果尤其強。

這項檢測並不是尋找單一癌症標記的血液腫瘤篩檢。PinPoint將其定位為臨床決策支援工具：病人接受一次標準抽血，系統分析30項常規血液指標，加上年齡與性別等資料，再以機器學習模型估算個人癌症風險，回傳紅、黃、綠三色分級給臨床人員。公司列出的婦科癌症範圍包括子宮頸癌、卵巢癌、子宮／子宮內膜癌、陰道癌與外陰癌。

在醫療現場，這類工具的價值不只在於「找出癌症」，也在於更安全地「排除低風險」。英國疑似癌症轉診系統承受長期壓力，若能把風險較高者排到更前面、把風險較低者從不必要檢查中分出來，理論上可同時減少病人負擔與醫療系統壅塞。PinPoint資料提到，英國NHS目前擬議門檻包括20%的排除規則與10%的優先排序規則；這些門檻如何落到不同醫院流程，將直接影響病人實際經驗。

不過，99%的準確率仍需放在研究設計與使用情境中閱讀。公開摘要尚不足以判斷各癌種、不同年齡層、不同症狀族群的敏感度與特異度細節，也不能直接等同於所有醫院、所有族群都會得到相同結果。若檢測被用於延後或避免侵入性檢查，臨床上最敏感的問題會是漏診風險、追蹤安排，以及病人在症狀持續時能否迅速回到診斷路徑。

監管與模型更新也是這則新聞的關鍵。PinPoint稱其產品是受監管的軟體體外診斷產品，已取得UKCA標誌，用於疑似癌症病人的分流與風險分層；公司也表示模型曾以371,799名病人的回溯資料訓練，任何演算法更新都需經證據生成、測試、風險分析與監管核准。換言之，這不是可隨意改版的消費級AI，而是必須在醫療器材框架內證明穩定性與安全性的臨床工具。

PinPoint Test若能在NHS常規服務中維持評估時的表現，對婦科癌症轉診可能是一項實用改變：它不取代醫師，也不取代必要檢查，而是在病人進入複雜診斷路徑前，提供一個以常規血液資料建立的風險排序。真正的考驗，將不是演算法能否在論文中表現良好，而是它能否在忙碌診間裡被一致、謹慎且可追溯地使用。