Диагностика инфекции Helicobacter pylori с помощью искусственного интеллекта по изображениям в режиме BLI-bright и LCI: проспективное одноцентровое исследование

Введение: Глубокое обучение — разновидность искусственного интеллекта (ИИ), имитирующая работу нейронной сети головного мозга. Мы разработали систему ИИ для диагностики инфекции Helicobacter pylori по изображениям, полученным в режимах визуализации синим лазером с повышенной яркостью (BLI-bright) и связанной цветовой визуализации (LCI). Целью этого пилотного исследования было создание системы ИИ, прогнозирующей наличие инфекции по эндоскопическим изображениям для повышения точности и эффективности эндоскопического исследования.

Методы: В исследование включили 222 пациента, в том числе 105 пациентов с инфекцией Helicobacter pylori, которым выполнили эзофагогастродуоденоскопию и серологическое исследование на антитела класса IgG. Во время эзофагогастродуоденоскопии эндоскопист последовательно получал по три неподвижных изображения малой кривизны желудка в режимах белого света (WLI), BLI-bright и LCI. В исследовании использовали эндоскопическое оборудование EG-L580NW (FUJIFILM Co., Япония). Характеристики системы ИИ: операционная система — Linux; нейронная сеть — GoogLeNet; программная платформа — Caffe; графический процессор — Geforce GTX TITAN X (NVIDIA Co., США).

Результаты: Площадь под кривой (AUC) при ROC-анализе составила 0,66 для WLI. В то же время AUC для BLI-bright и LCI составила соответственно 0,96 и 0,95. Значения AUC для BLI-bright и LCI были достоверно выше, чем для WLI (P<0,01).

Выводы: Разработанная система ИИ продемонстрировала высокую способность диагностировать инфекцию Helicobacter pylori по изображениям в режимах BLI-bright и LCI. Технология ИИ в сочетании с эндоскопией с улучшенной визуализацией может стать полезным инструментом диагностики по изображениям.