Авторы провели систематический поиск в PubMed, Embase, Cochrane Library и Web of Science (до сентября 2026 г.) для выявления исследований, оценивающих точность AI-моделей в диагностике рака желудка (GC) и раннего рака желудка (EGC) с использованием гистопатологического золотого стандарта (эндоскопическая биопсия или хирургический материал). Сравнивались четыре основные категории моделей: традиционное машинное обучение (ML), базовые свёрточные нейронные сети (CNN), системы детекции объектов (DS) и мультимодальное глубокое обучение (DL), а также пять подкатегорий (ML, ResNet, Fusion, Det, CNN_other). Байесовский сетевой метаанализ использовался для оценки чувствительности, специфичности, диагностического отношения шансов (DOR) и построения SROC-кривых.

В 59 включённых исследованиях мультимодальное глубокое обучение продемонстрировало наивысшую площадь под SROC-кривой (0.98) и DOR 166.02 при выявлении рака желудка, опережая базовые CNN (площадь SROC 0.95, DOR 105.29) и традиционное ML (0.87 и 35.83 соответственно). В анализе подкатегорий CNN_other показала наивысшие точечные оценки для GC. Однако гетерогенность была высокой (I² > 90% для большинства категорий DL).

Для раннего рака желудка традиционное ML показало наивысшие точечные оценки (площадь SROC 0.91, DOR 182.13), но эти результаты базировались только на трёх исследованиях с широкими доверительными интервалами, и ни одна категория моделей не могла быть надёжно признана превосходящей другие. В анализе подкатегорий ML также показала наивысшие оценки для EGC.

Около 35% исследований имели высокий риск селекционной систематической ошибки, а 8 исследований — высокий риск систематической ошибки индексного теста, что потенциально завышает оценки точности. Авторы подчёркивают, что полученные рейтинги ограничены существенной гетерогенностью, непрямыми сравнениями и высокой распространённостью систематических ошибок, и должны рассматриваться как гипотезогенерирующие, требующие валидации в модально-специфических исследованиях. Необходимы проспективные многоцентровые исследования прямого сравнения со стандартизированными протоколами визуализации для подтверждения этих находок и определения оптимального выбора моделей.