面向病例的人工智能良恶性溃疡识别研究

摘要：

目的 建立基于深度学习的人工智能模型,通过对胃良、恶性溃疡及正常黏膜病例图片的学习,使其对良、恶性溃疡病例具有较高的识别能力,从而在一定程度上提高内镜医师的诊断水平,为胃癌的早期诊断提供极大的助力.方法 按照纳入和排除标准,共纳入病例3 238例,其中恶性胃溃疡、良性胃溃疡及正常胃的病例数分别为:747例、761例及1 730例.采用随机原则将原始病例按照大致8∶1∶1的比例分为训练集(正常病例1 380例,良性胃溃疡病例614例,恶性胃溃疡病例596例)、验证集(正常病例179例,良性胃溃疡病例75例,恶性胃溃疡病例70例)和测试集(正常病例171例,良性胃溃疡病例72例,恶性胃溃疡病例81例).建立基于多图片输入的efficientNet-b4深度学习模型对训练集及验证集中的病例进行训练,然后与2名经验丰富的内镜医师一起对测试集的324例病例进行识别,得出相关统计学指标,从而比较人工智能与内镜医师的对胃正常黏膜及良、恶性胃溃疡病例识别的诊断水平.结果 经验丰富内镜医师1、经验丰富内镜医师2及人工智能对病例识别的整体准确率分别为:92.09％、91.36％及95.06％,人工智能对病例识别的整体准确率要明显优于经验丰富的内镜医师.对于正常病例的识别,人工智能的灵敏度为98.25％,略低于两位内镜医师的99.42％和100％,但其阳性预测值为100％,优于其中一位医师的97.14％,与另一位医师的100％结果一样;对于良性胃溃疡病例的识别,人工智能的灵敏度和阳性预测值分别为:91.67％和86.84％,均优于两位经验丰富的内镜医师;对恶性胃溃疡病例的识别,人工智能的灵敏度和阳性预测值分别为:91.36％和92.50％,均优于两名经验丰富的内镜医师;人工智能及两名内镜医师对于良、恶性胃溃疡病例识别的灵敏度及阳性预测值都要明显低于其对正常病例的识别.结论 通过深度学习的人工智能模型对胃正常黏膜及良、恶性胃溃疡病例的识别的误诊要低于内镜医师;在良、恶性胃溃疡病例的识别方面,人工智能模型的误诊和漏诊也要优于经验丰富的内镜医师.但人工智能对于正常胃黏膜病例的识别的漏诊要高于内镜医师,且其对于良、恶性胃溃疡病例识别的漏诊和误诊也均要高于其对胃正常黏膜病例的识别,还需要进一步的完善,以优化人工智能对良、恶性胃溃疡病例的识别能力.

关键词：人工智能、深度学习、良性胃溃疡、恶性胃溃疡、诊断

所属期刊栏目：27

分类号：R573.1;TP18(消化系及腹部疾病)

资助基金：广东省基础与应用基础研究基金项目;广东省自然科学基金面上项目

在线出版日期：2022-06-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：31-35