基于深度学习的幽门螺杆菌人工智能辅助诊断系统研究

作者：张梦娇; 吴练练; 邢达奇; 董泽华; 朱益洁; 胡珊; 于红刚^*

来源：中华消化内镜杂志, 2023, 40(02).

• 幽门螺杆菌
• 内窥镜检查
• 人工智能
• 黏膜表现

目的构建一套内镜下识别幽门螺杆菌(Helicobacter Pylori, HP)感染多重特征的人工智能辅助诊断系统, 并评估其在真实临床病例中的表现。方法回顾性收集2020年1月—2021年3月在武汉大学人民医院消化内镜中心同时间段行13C呼气试验和胃镜检查的1 033例受检者资料, 13C呼气试验阳性(定义为HP感染)为病例组(485例), 13C呼气试验阴性为对照组(548例)。将提示HP阳性和HP阴性的各类黏膜特征胃镜图像, 以及以案例为单位的HP阳性和HP阴性病例胃镜图像以8∶1∶1的比例随机分配到训练集、验证集和测试集, 基于卷积神经网络(convolutional neural network, CNN)和长短期记忆网络(long short-term memory network, LSTM)开发一套识别HP感染的人工智能辅助诊断系统, 其中, CNN可识别并提取每例患者内镜图像中的黏膜特征, 生成特征向量, 然后LSTM接收特征向量, 综合判断HP感染状态。以灵敏度、特异度、准确率和受试者工作特征曲线下面积评估系统的诊断性能。结果该系统对结节样改变、萎缩、肠上皮化生、黄斑瘤、弥漫性发红+点状发红、黏膜肿胀+皱襞肿大蛇形+黏液白浊和HP阴性特征的诊断准确率分别为87.5%(14/16)、74.1%(83/112)、90.0%(45/50)、88.0%(22/25)、63.3%(38/60)、80.1%(238/297)和85.7%(36/42)。其综合判断患者HP感染的灵敏度、特异度、准确率和受试者工作特征曲线下面积分别为89.6%(43/48)、61.8%(34/55)、74.8%(77/103)和0.757, 其诊断准确率与内镜医师白光下诊断HP感染的准确率相当(74.8%比72.1%, χ2=0.246, P=0.620)。结论本研究开发的系统在评估HP感染方面具有较好的诊断性能, 可用于辅助内镜医师判断HP感染状态。

• 单位
  武汉大学人民医院