基于胃镜图像的深度学习模型能够区分幽门螺杆菌性胃炎和自身免疫性胃炎

《European Journal of Medical Research》：Deep learning model based on gastroscopic images can differentiate between Helicobacter pylori gastritis and autoimmune gastritis

　　

摘要

背景

胃炎是指胃黏膜的炎症，常伴有糜烂性改变，可分为急性和慢性胃炎。幽门螺杆菌相关性胃炎（HepG）的发病率较高，在高风险国家中约有50%的患者受到影响。自身免疫性胃炎（AIG）的发病率明显低于HepG，估计约为0.5–2%。HepG和AIG都会增加患胃癌的风险。本研究的目的是验证基于人工智能的模型，通过食管胃十二指肠镜检查（EGD）获取的图像来早期准确区分AIG和HepG。

方法

在这项回顾性研究中，收集了来自两家医院的525张EGD图像，并由经验丰富的胃肠病学家对AIG和HepG进行了临床诊断。所构建的深度学习模型基于MobileNet V2架构。该模型在AUC、准确性、特异性、精确度和召回率方面与内镜医生的诊断结果进行了比较。

结果

AIG和HepG胃炎的AUC、准确性、精确度、召回率和特异性分别为0.81、73.6%、62.5%和71.4%、75%。两位内镜医生的平均诊断结果分别为0.641、60.45%、48.9%、42.55%和70.7%。该深度学习模型在独立的外部验证数据集中也表现良好。

结论

我们的研究表明，深度学习方法在识别早期AIG患者方面具有巨大潜力，可作为临床辅助诊断工具。未来需要进一步的前瞻性临床研究来评估该模型的临床适用性。