基于深度学习的智能辅助内镜诊断系统对上消化道早癌诊断价值

摘要

目的系统评价基于深度学习的智能辅助内镜诊断系统（intelligence-assisted endoscopic diagnosis system based on deep learning, DL-IEDS）对上消化道早癌的诊断价值。方法系统检索Pubmed、Embase、Web of Science、Cochrane Library、Sinomed、CNKI、维普及万方等中英文数据库中有关运用DL-IEDS诊断上消化道早癌的诊断性试验。纳入的研究按诊断准确性研究质量评价工具-2进行文献质量评价, 并采用Rev Man 5.3、Meta-Disc 1.4和Stata 15.1统计软件综合对数据进行Meta分析。结果最终纳入8篇文献, 共9 675张图片, 其中早癌图片2 748张。Meta分析结果显示:DL-IEDS诊断上消化道早癌的合并灵敏度、特异度、阳性似然比、阴性似然比及综合诊断比值比分别为0.920、0.874、6.824、0.103及71.109, 综合受试者工作特征曲线的曲线下面积（area under the curve, AUC）为0.958 7;其中5篇文献报道了DL-IEDS诊断早期胃癌的结果, 数据合并分析后结果显示, DL-IEDS的合并敏感度和特异度分别为0.840和0.845, AUC为0.919;4篇文献报道了内镜专家及内镜经验不足者诊断上消化道早癌的结果, 前者合并敏感度、特异度及AUC分别为0.693、0.892及0.892 3, 后者分别为0.586、0.860及0.754 5。对DL-IEDS、内镜专家及内镜经验不足者诊断上消化道早癌的AUC进行比较发现, DL-IEDS与内镜专家间差异无统计学意义（Z=1.510, P=0.131）, DL-IEDS与经验不足者间差异有统计学意义（Z=6.841, P＆0.001）。结论 DL-IEDS对上消化道早癌具有较高的诊断准确性, 能够明显提高内镜经验不足者对上消化道早癌的诊断能力。