Искусственный интеллект и капсульная эндоскопия: автоматическое выявление сосудистых поражений с помощью сверточной нейронной сети

Введение: Капсульная эндоскопия (КЭ) является методом первой линии при обследовании пациентов с желудочно-кишечным кровотечением неясного генеза. У таких пациентов часто выявляются разнообразные сосудистые поражения тонкой кишки, различающиеся по риску кровотечения. Вместе с тем анализ исследований КЭ занимает много времени и сопряжён с риском ошибок. Сверточные нейронные сети (CNN) — инструменты искусственного интеллекта, демонстрирующие высокую эффективность при анализе изображений. Целью настоящего исследования была разработка модели на основе CNN для выявления и дифференциации сосудистых поражений с различным риском кровотечения на изображениях КЭ.

Методы: Для разработки CNN использовали базу данных изображений КЭ, включавшую изображения нормальной слизистой оболочки тонкой кишки, красных пятен и ангиэктазий/варикозно расширенных вен. Риск кровотечения оценивали по классификации Saurin. В итоге для разработки CNN отобрали 11 588 изображений: 9525 изображений нормальной слизистой оболочки, 1026 изображений красных пятен и 1037 изображений ангиэктазий/варикозно расширенных вен. Для обучения и тестирования CNN сформировали два набора изображений.

Результаты: Чувствительность нейронной сети при выявлении сосудистых поражений составила 91,8%, специфичность — 95,9%; правильная классификация была выполнена в 94,4% случаев. В частности, при выявлении красных пятен чувствительность CNN составила 97,1%, специфичность — 95,3%. Ангиэктазии и варикозно расширенные вены выявлялись с чувствительностью 94,1% и специфичностью 95,1%. Скорость анализа составила 145 кадров в секунду.

Выводы: Разработанный алгоритм стал первой моделью на основе CNN, способной с высокой точностью выявлять и различать сосудистые поражения кишечника с разным риском кровотечения. Анализ КЭ с помощью CNN может повысить качество диагностики этих поражений и общую эффективность исследования.