Искусственный интеллект и капсульная эндоскопия: автоматическое выявление выступающих образований тонкой кишки с помощью сверточной нейронной сети

Введение: Капсульная эндоскопия (КЭ) произвела революцию в исследовании тонкой кишки. Однако просмотр изображений КЭ занимает много времени и сопровождается риском ошибок. Ожидается, что эти недостатки помогут преодолеть алгоритмы искусственного интеллекта, в частности сверточные нейронные сети (CNN). Выступающие образования тонкой кишки отличаются огромным морфологическим разнообразием на изображениях КЭ. Целью исследования была разработка алгоритма на основе CNN для автоматического выявления выступающих образований тонкой кишки.

Методы: CNN обучали на наборе изображений КЭ с выступающими образованиями или нормальной слизистой оболочкой, полученных у 1229 пациентов. Для разработки модели использовали обучающую выборку. Работу сети оценивали на независимой выборке, рассчитывая чувствительность, специфичность, точность, положительную и отрицательную прогностические ценности.

Результаты: Всего в исследование включили 18 625 изображений КЭ: на 2830 были представлены выступающие образования, а на 15 795 — нормальная слизистая оболочка. Обучающую и валидационную выборки сформировали в соотношении 80% и 20% соответственно. После оптимизации архитектуры сети разработанная модель автоматически выявляла выступающие образования тонкой кишки с точностью 92,5%. Чувствительность и специфичность CNN составили 96,8% и 96,5% соответственно. CNN проанализировала валидационную выборку за 53 секунды со скоростью около 70 кадров в секунду.

Выводы: Разработана точная CNN для автоматического выявления выступающих образований кишечника с широким спектром морфологических характеристик. Применение таких инструментов может повысить эффективность диагностики при капсульной эндоскопии.