Застосування моделі глибокого навчання U-Net для діагностики атрофічного хронічного гастриту в режимі реального часу

У рамках проспективного когортного дослідження методом «випадок — контроль» було встановлено, що застосування моделі глибокого навчання може допомогти ендоскопістам швидко діагностувати хронічний атрофічний гастрит (ХАГ) під час гастроскопії. Одночасно було підтверджено ефективність моделі у виявленні пацієнтів із групи високого ризику з III та IV стадією згідно з оперативною системою оцінки гастриту (OLGA). Мета дослідження, проведеного Quchuan Zhao та співавт., полягала в оцінці ефективності системи відеомоніторингу в режимі реального часу при визначенні стадії гастриту по системі OLGA та діагностиці ХАГ. Автори використовували глибоке навчання U-Net як основу для своєї моделі та розробили дизайн дослідження для оцінки показників діагностичної оцінки.

У дослідження було включено загалом 1306 учасників, розділених на дві групи: групу пацієнтів з ХАГ та групу пацієнтів із хронічним неатрофічним гастритом на підставі результату патоморфологічного дослідження. Потім у кожній групі оцінювали показники діагностики. Модель автоматично маркувала кожну ділянку атрофії та оцінювала її тяжкість. Щоб усунути потенційну систематичну помилку відбору, дослідники використали зіставлення показників схильності. Була встановлена більша ефективність моделі з точки зору показників діагностичної оцінки та краща узгодженість діагнозів, отриманих за її допомогою, зі стадіюванням за системою OLGA порівняно з ендоскопістами (див. таблицю 1).

Використовуючи патоморфологічний діагноз як зразок, було підтверджено найкращу відповідність з визначенням стадії за системою OLGA і більш високі показники діагностичної оцінки моделі відеомоніторингу в режимі реального часу для ендоскопічної діагностики ХАГ, в якій використовували модель глибокого навчання U Net, порівняно з діагностикою ендоскопістами.