目的:食管胃结合部腺癌（Adenocarcinoma of Esophagogastric Junction,AEG）全球发病率逐年上升,淋巴结转移会显著降低该疾病患者的生存率。AEG淋巴结转移途径较为复杂,术前准确预测转移淋巴结的区域对于选择该病的诊治方案具有重要意义。增强CT是一种广泛应用于AEG患者的术前辅助检查。卷积神经网络（Convolutional Neural Network,CNN）在图像识别领域有较好的应用效果。本研究基于快速区域卷积神经网络（Faster Region-based Convolutional Neural Network,Faster RCNN）,利用增强CT图像,建立了AEG淋巴结转移的人工智能（Artificial Intelligence,AI）辅助诊断系统。目的是探索术前预测AEG患者转移淋巴结区域的智能化,协助临床医师诊疗。方法:课题组首先回顾性收集了2015年12月至2019年12月在青岛大学附属医院行根治性手术的248例AEG患者的胸腹部增强CT图片,整合放射科医师、胃肠外科医师、胸外科医师的阅片结果,利用Labelimg软件标识转移淋巴结区域,建立AEG患者CT图像数据库。然后我们将所有入组患者按照3:1的比例随机分为训练组和测试组,并利用训练组CT图像对预训练的Faster RCNN进行训练和微调,建立AI诊断系统。该系统的目标检测网络的基本结构包括卷积层、RPN层、ROI Pooling层和分类器四部分。我们进一步利用测试组患者的增强CT图片对AI诊断系统进行测试,在测试组图像中输出疑似淋巴结转移的检测框,并计算出检测框内淋巴结转移的概率,这样就得到了AI诊断系统的测试组测试数据。最后,我们通过分别记录多学科医师和AI诊断系统诊断过程的累积耗时,分别计算两种方法诊断单个患者的系列CT图像和单张CT图像的平均耗时,并将两者进行比较。同时通过预测概率和交并比（Intersection Over Union,IOU）来计算AI诊断系统的性能评估指标,运用准确率、特异度、灵敏度、阳性预测值、阴性预测值、受试者工作特征曲线（Receiver Operating Characteristic Curve,ROC）和曲线下面积大小（Area Under Curve,AUC）等指标评估AI诊断系统对淋巴结转移的诊断水平。结果:多学科医师联合诊断单个患者的系列CT图像的平均耗时约为351.37s,平均诊断单张图片时间约为4.78s,诊断存在淋巴结转移的CT图像共有354张;AI诊断系统诊断单个患者系列CT图像平均耗时10.72s,平均到每张图像的识别时间约为0.15s,诊断存在淋巴结转移的CT图像共348张。AI系统诊断结果的AUC值为0.912,准确率为0.870,灵敏度为0.858,特异度为0.883,阳性预测值为0.892,阴性预测值为0.847。两者对淋巴结位置和转移数量诊断结果完全相同的图像共301张。局限性:该研究的目的是帮助医师术前阅读CT图像,指导AEG患者的术前诊疗。因为该研究为回顾性研究,无法实现术前CT图像和术后组织病理学检查中淋巴结的一一对应,因此AI辅助诊断系统学习的标准为CT征象,而不是病理金标准,其准确性只能无限接近医师综合诊断水平,而不能达到病理诊断水准。结论:AI辅助诊断系统识别AEG增强CT图像转移淋巴结的准确率高,接近临床医师诊断水平;且识别速度比临床医师更快。因此,我们建立的AI辅助诊断系统在一定程度上可以减轻临床医师的工作压力,并且鉴于其较高的预测水平,该AI诊断系统具有辅助临床诊疗的潜力。