背景：我们旨在开发和验证用于检测早期胃癌 (EGC) 的实时深度卷积神经网络 (DCNN) 系统。
方法：将来自 1364 名患者的所有 45240 张内窥镜图像分为训练数据集（来自 1085 名患者的 35823 张图像）和验证数据集（来自 279 名患者的 9417 张图像）。来自其他三家医院的另外 1514 张图像被用作外部验证。将 DCNN 系统的诊断性能与内窥镜医师进行了比较，然后评估了内窥镜医师在参考或不参考该系统的情况下的表现。此后，评估了 DCNN 系统在视频流中的诊断能力。测量准确性、敏感性、特异性、阳性预测值、阴性预测值和Cohen's kappa系数以评估检测性能。
发现：DCNN 系统在验证数据集的 EGC 检测中表现出良好的性能，准确度（85.1%-91.2%）、灵敏度（85.9%-95.5%）、特异性 (81.7%-90.3%) 和 AUC (0.887-0.940)。 DCNN 系统显示出比内镜医师更好的诊断性能，并提高了内镜医师的表现。 DCNN 系统能够处理食管胃十二指肠镜 (OGD) 视频流以实时检测 EGC 病变。
解释：开发了一种用于EGC检测的实时DCNN系统，具有高精度和稳定性。需要多中心前瞻性验证来获得临床应用的高水平证据。

FUNDING:该工作得到国家自然科学基金（批准号：81672935和81871947）、江苏省消化系统疾病与胃肠癌临床医学中心（批准号：YXZXB2016002）和南京市科技发展基金（批准号）的资助编号 2017sb332019)。

Development and validation of a real-time artificial intelligence-assisted system for detecting early gastric cancer: A multicentre retrospective diagnostic study.

doi：10.1016/j.ebiom.2020.103146
作者：Tang D;Wang L;Ling T;Lv Y;Ni M;Zhan Q;Fu Y;Zhuang D;Guo H;Dou X;Zhang W;Xu G;Zou X
发表日期：2020-12-01
来源期刊：EBioMedicine