基于人工智能的胃镜图像辅助识别模型在慢性萎缩性胃炎诊断中的临床研究

• 作者: 华雯俏 管鑫 姜相君
• 来源期刊: 胃肠病学
• 关键词: 人工智能 内镜检查 深度学习 胃炎,萎缩性 诊断
• 年，卷（期）: 2020,（10）
• 所属期刊栏目: 论著|ORIGINAL ARTICLES
• 页码范围: 588-593
• 页数: 6页
• 语种: 中文
• DOI: 10.3969/j.issn.1008-7125.2020.10.003

摘要

背景:目前人工智能(AI)是临床各领域的研究热点,强大的图像识别和处理能力使其在消化内镜领域具有很强的优势.目的:基于AI构建胃镜图像辅助识别系统,并探讨其在慢性萎缩性胃炎(CAG)诊断中的价值.方法:选取2018年4月—2020年8月在青岛市市立医院行胃镜检查并取活检行病理检查者的胃镜图像3813张,其中包括CAG 1927张和慢性非萎缩性胃炎(CNAG)1886张,选取其中3055张图像为训练集(CAG 1541张,CNAG 1514张),379张图像(CAG 193张,CNAG 186张)作为调整集,其余图像作为测试集.训练并验证深度学习模型,绘制模型受试者工作特征曲线(ROC曲线)和P-R曲线,比较该模型与3名低年资内镜医师、3名高年资内镜医师诊断CAG的敏感性、特异性和准确性.结果:深度学习模型识别CAG的ROC曲线下面积为0.9168,P-R曲线下面积达0.9316,敏感性为89.1％,特异性为74.2％,准确性为81.8％.深度学习模型识别CAG的敏感性、特异性和准确性均明显优于低年资内镜医师,甚至优于部分高年资内镜医师.结论:基于AI技术构建的诊断CAG的深度学习模型具有较高的敏感性、特异性和准确性,可有效识别出CAG,可辅助临床内镜医师在胃镜检查中作出相应诊断.