深度学习技术在辅助结直肠腺瘤浸润深度鉴别中的应用研究

目的:研究深度学习技术在肠镜电子染色模式下辅助内镜医师鉴别结直肠腺瘤浸润深度的价值。方法:回顾性收集2016年11月—2021年6月武汉大学人民医院、南方医科大学深圳医院和宜昌市第一人民医院的3 714个病例的13 246张电子染色图像，构建深度学习模型，对结直肠腺瘤的黏膜下深层浸润和非深层浸润进行鉴别，并在独立测试集与外部测试集中验证模型的性能。使用完整的测试集对比5名内镜医师与深度学习模型的诊断水平。前瞻性收集2021年1—6月来自武汉大学人民医院的35个高清内镜视频，验证在模型辅助下内镜医师的诊断效果。结果:该模型在图片测试集中的准确率93.08%（821/882），约登指数0.86，优于内镜医师［最高者分别为91.72%（809/882）和0.78］。在视频中该模型的准确率达97.14%（34/35），约登指数0.94。在模型辅助下，内镜医师的准确率显著提升［最高者97.14%（34/35）］。结论:本研究开发的基于深度学习的结直肠腺瘤浸润深度鉴别系统能够准确地识别黏膜下深层浸润病灶，辅助内镜医师提升识别深层浸润病灶的准确率。