الطرق المستندة إلى التعلم العميق، مثل أسلوب النافذة المنزلقة لتصنيف الصور المقطوعة والجمع الاسترشادي للاستدلال على الشرائح الكاملة، قد أظهرت نتائج واعدة في تحليل الأنماط النسيجية في الصور المجهرية ذات الدقة العالية. ومع ذلك، تتطلب هذه الأساليب عملية تسمية متعبة وهي متفرقة. جمعت هذه الدراسة التشخيصية صورًا نسيجية عالية الدقة تم إزالة هويتها (N = 379) لتدريب نموذج جديد يتكون من شبكة عصبية تقنية الإدراك (Convolutional Neural Network) وشبكة انتباه مبنية على الشبكة (Grid-based Attention Network)، والتي يمكن تدريبها دون الحاجة إلى تسميات المناطق ذات الاهتمام. تم جمع صور الأنسجة للمرضى الذين خضعوا لخزعة الغشاء المخاطي للمرئ والوصل المرئي المعدي بين 1 يناير 2016 و31 ديسمبر 2018 في مركز دارتموث-هيتكوك الطبي (ليبانون، نيوهامشير). حققت الطريقة دقة متوسطة بلغت 0.83 في تصنيف 123 صورة اختبار. كانت هذه النتائج مقاربة أو أفضل من أداء أسلوب النافذة المنزلقة الحالي الأكثر تقدمًا، والذي تم تدريبه باستخدام المناطق ذات الاهتمام. تشير نتائج هذه الدراسة إلى أن الإطار المقترح للشبكات العصبية العميقة المستندة إلى الانتباه للكشف عن بطانة باريت والسرطان الزهمي للمرئ مهم لأنه يعتمد فقط على التسميات على مستوى الأنسجة، بخلاف الأساليب الحالية التي تعتمد على المناطق ذات الاهتمام. يتوقع أن يفتح هذا النموذج الجديد آفاقًا جديدة لتطبيق التعلم العميق في علم الأمراض الرقمي.