目的系统评估人工智能（AI）深度学习模型在早期胃癌辅助诊断中的效能与临床价值。方法对PubMed、Embase、Cochrane Library和Web of Science数据库进行文献检索，搜索关于AI深度学习模型诊断早期胃癌的相关文献并提取资料。纳入研究的质量及偏倚风险使用QUADAS-2量表进行评估。采用双变量混合效应回归模型进行主要meta分析，并进行亚组分析、敏感性分析和异质性检验。结果共纳入11项研究。AI深度学习模型诊断早期胃癌的合并灵敏度、特异度及曲线下面积（AUC）分别为0.89（95%CI：0.80~0.94）、0.92（95%CI：0.84~0.97）和0.96（95%CI：0.94~0.97）。亚组分析显示，成像模式和数据强度是影响诊断效能的关键因素，基于其他内镜模型的AUC略高于白光内镜（0.95 vs. 0.93），训练集图像≥5 000张模型的AUC优于训练集图像＜5 000张模型（0.97 vs. 0.95）。结论AI深度学习模型在早期胃癌的辅助诊断中表现优异，临床转化潜力明显。