摘要
材料与方法
胃手术切除标本的大体图像数据集
在95例转外科接受手术治疗病例中，41例为EGC患者，54例为进展期胃癌(advanced gastric cancer, AGC)患者。所有大体图像的采集均在标本离体后30分钟内进行。在剪开胃暴露病变部位后用生理盐水充分冲洗胃内黏液和附着的血块，胃黏膜病变图像以JPG格式存储。
CNN图像分类算法
对胃镜图片的分析时采用14个CNN模型，分别训练对病变性质、Hp感染和胃周淋巴结转移的预测能力。对大体标本的图片分析时采用RFB-SSD目标检测模型。AI 图像分析是基于Python的Keras深度学习平台进行。
结果
表1 胃癌与非胃癌二分类研究的CNN模型效果
图1 胃癌与非胃癌的二分类研究结果
EfficientNetB7模型在早期胃癌与非胃癌的二分类预测中表现最好，AUC值为0.9943，准确率97.88%，精确率为97.82%，召回率为97.88%，F1值为0.9785。其中对早期胃癌预测的准确率为91.76%，对非胃癌预测的准确率为99.52% (图2E)。
图2 早期胃癌与进展期胃癌以及早期胃癌与非胃癌的二分类研究结果
图3 EfficientNetB7模型在 Hp与noHp感染的二分类预测结果
在14个CNN模型中，以InceptionV3对预测胃癌的胃周淋巴结转移状态效果最好，其预测准确率达66.01%，AUC值为0.7533，精确率为66.91%，召回率为46.04%，F1值为0.5455。为了探讨肿瘤浸润深度与有无淋巴结转移的关系，我们比较了两组胃癌的T分期发现，有淋巴结转移组的T分期明显高于无淋巴结转移组(T1: 5.88%, T2:
0%, T3: 70.59%, T4: 23.53% vs. T1:
56.00%, T2: 16.00%, T3: 24.00%, T4: 4.00%)。鉴于早期胃癌组有无胃周淋巴结转移是制定治疗决策的重要参考指标，我们又分析了26例早期胃癌的淋巴结转移情况，InceptionV3对早期胃癌有无淋巴结转移预测的AUC值与准确率为0.7181和79.44%。早期胃癌伴有淋巴结转移组的T分期明显高于无淋巴结转移组(T1a: 0%, T1b:
100% vs. T1a: 57.14%, T1b: 42.86%) (图4)。
图4 AI通过胃镜图像预测淋巴结转移的结果
图5 胃镜图像与同一病例的手术切除样本图像AI整合分析结果
结论
上海交通大学医学院附属瑞金医院博士研究生杨蕊馨、上海交通大学医学院附属瑞金医院古北分院住院医师张佳琳、上海师范大学信息与机电工程学院硕士研究生占丰生为该论文共同第一作者；上海交通大学医学院附属瑞金医院于颖彦教授、上海交通大学医学院附属瑞金医院消化内科主任医师孙菁为该论文共同通讯作者。
于颖彦
孙菁
往期回顾
▶【专题解读】2000~2018年中国肺癌疾病负担与趋势：中美对比分析
Chinese Journal of Cancer Research
Chinese Journal of Cancer Research
在线投稿网址：www.cjcrcn.org
地址：北京市海淀区阜成路52号 北京大学肿瘤医院
邮编：100142
电话/传真：010-88196612
Email：editor@cjcrcn.org
