H Nakashima, H Kawahira, H Kawachi… - Annals of Gastroenterology, 2018

背景：深度学习是一种模仿大脑神经网络的人工智能（AI）。我们生成了一个AI来使用BLI和LCI诊断幽门螺杆菌（H.pylori）感染。这项试点实验的目的是建议一个人工智能诊断系统，使用内镜图像预测幽门螺杆菌感染状态，以提高内镜检查的准确性和产能。

方法：共有222名登记受试者（105名H.pylori阳性）接受了食管胃十二指肠镜检查和H.pylori IgG抗体的血清检测。在食管胃十二指肠镜检查期间，内镜医师使用白光、BLI-BRIGHT和LCI依次拍摄胃小弯的3张图像。研究设施是EG-L580NW（富士胶片公司，日本）。AI的规格如下：操作系统，Linux； 神经网络，GoogLeNet； 框架，Caffe； 图形处理器单元，Geforce GTX TITAN X（英伟达公司，美国）

结果：白光的观测者操作特性分析曲线下的面积（AUC）是0.66。相比之下，BLI-bright和LCI的AUCs是0.66和0.95。BLI-bright 和 LCI 获得的 AUC 显著大于白光（P<0.01）

结论：结果表明，开发的AI使用BLI-bright 和 LCI具有出色的诊断幽门螺杆菌感染的能力。具有图像增强内镜的人工智能技术很有可能成为一种有用的图像诊断工具。