Выявление инфекции Helicobacter pylori с помощью глубокого обучения по эндоскопическим изображениям верхних отделов желудочно-кишечного тракта

Введение: Хронический гастрит, ассоциированный с Helicobacter pylori (H. pylori), может приводить к атрофии слизистой оболочки желудка и кишечной метаплазии, которые повышают риск рака желудка. Точная диагностика инфекции H. pylori во время профилактических медицинских осмотров имеет большое значение. Целью исследования была разработка сверточной нейронной сети (CNN) — алгоритма машинного обучения, относящегося к методам глубокого обучения, — способной распознавать специфические признаки на эндоскопических изображениях желудка. Разработка такой системы направлена на раннее выявление инфекции H. pylori и тем самым на профилактику рака желудка.

Пациенты и методы: Для разработки CNN использовали 179 эндоскопических изображений верхних отделов желудочно-кишечного тракта, полученных у 139 пациентов: 65 с положительным результатом на H. pylori (≥10 Ед/мл) и 74 с отрицательным результатом (<3 Ед/мл) при определении антител IgG к H. pylori. Из 179 изображений 149 использовали для обучения, а остальные 30 — 15 от пациентов с отрицательным и 15 от пациентов с положительным результатом — выделили для тестирования. К 149 обучающим изображениям применили аугментацию данных, в результате чего получили 596 изображений. С помощью CNN создали обучающую систему для распознавания инфекции H. pylori и оценили точность ее работы на 30 тестовых изображениях, рассчитав чувствительность, специфичность и площадь под ROC-кривой (AUC).

Результаты: Чувствительность и специфичность CNN при выявлении инфекции H. pylori составили 86,7% и 86,7% соответственно; площадь под ROC-кривой — 0,956.

Выводы: Диагностика инфекции H. pylori с помощью CNN представляется осуществимой и, как ожидается, позволит упростить и повысить точность диагностики во время профилактических медицинских осмотров.