摘要目的 本研究拟借助深度学习算法构建一种人工智能(artifical intelligence,AI)诊断模型并搭载于显微摄像系统,用于实时辅助病理医师在显微镜下识别胃癌脉管癌栓,以期提高诊断效率及准确度.方法 收集2018年1月至2024年4月期间在川北医学院附属医院确诊为胃腺癌伴脉管癌栓和不伴脉管癌栓的病例各141例,将对应石蜡块(共803个)重新切片进行HE染色及免疫组化染色,将HE切片扫描形成数字切片,医师结合免疫组化染色结果在200倍率下截取HE切片中存在脉管癌栓特征区域的单视野图像6 234张,无脉管癌栓特征区域的单视野图片6 295张,分别按8∶2的比例随机分为训练集和测试集;以经典卷积神经网络算法为基础框架搭建模型,将训练集图片(共10 023张)输入网络进行深度学习后得到一种诊断模型,然后将测试集图片(共2 506张)输入模型进行测试并评效.将诊断模型与显微镜摄影系统进行连接整合形成最终的辅助诊断模型.医师在有模型辅助和无模型辅助的2种状态下对整张HE切片测试集(100张)进行诊断,比较准确度及用时长短.结果 AI诊断模型在单视野图像测试集中的准确率、灵敏度、特异度、Kappa系数、AUC值分别为93.70%、95.03%、92.37%、0.873、0.974.AI模型识别单视野图片平均用时0.062 s,明显短于病理医师.在整张HE切片测试集中,使用AI模型辅助与使用传统方法的病理医师在对脉管癌栓的诊断准确度方面差异无统计学意义,并且使用AI模型辅助的病理医师诊断用时短于使用传统方法的病理医师[(72.46±16.25)s vs(91.18±17.05)s,t=7.946,P<0.05].结论 基于AI开发的胃癌脉管癌栓病理辅助诊断模型具有较高准确度,有助于帮助病理医师提高诊断效率.