深度学习结合课程学习策略在内镜图像中鉴别巨细胞病毒与单纯疱疹病毒食管炎的研究

《Scientific Reports》：Development and validation of a deep learning model for differentiating cytomegalovirus and herpes simplex virus esophagitis using endoscopic images

　　

摘要

巨细胞病毒（CMV）和单纯疱疹病毒（HSV）是免疫抑制患者中最常见的病毒性感染性食管炎病因。然而，两者的内镜表现经常重叠，使得实时病因鉴别困难，通常需要延迟通过免疫组化进行确认。我们开发并验证了一种深度学习模型，利用三级转诊中心经活检证实病例的内镜图像来区分CMV和HSV食管炎。该模型采用领域特定的预训练和课程学习策略进行训练，根据诊断难度依次引入病例，模拟临床学习过程。使用独立的保留集评估诊断性能，并与九名初学者的内镜医师进行比较。基于课程学习的模型比传统训练方法取得了更高的AUROC（0.796；按患者计算的95%置信区间0.628–0.937），尽管差异无统计学意义。其平衡准确率（0.680）与内镜医师的共识（0.710）相当。对常规内镜图像的深度学习分析可以协助区分CMV和HSV食管炎。课程学习策略可能通过改善视觉模糊条件下的性能来增强临床适用性，可能支持在等待组织病理学确认的同时做出更早的治疗决策。