Искусственный интеллект при капсульной эндоскопии толстой кишки: систематический обзор

Введение: Применимость капсульной эндоскопии толстой кишки в повседневной практике ограничена значительными затратами времени на просмотр полученных изображений и риском межэкспертной вариабельности. Автоматизированный анализ изображений при помощи искусственного интеллекта может сократить затраты времени и обеспечить объективные и воспроизводимые результаты. Целью данного систематического обзора было обобщить опубликованные данные об использовании искусственного интеллекта для анализа слизистой оболочки толстой кишки при капсульной эндоскопии и определить необходимые шаги для внедрения этого подхода в клиническую практику.

Методы: Проведён систематический поиск публикаций, вышедших до января 2022 года, в базах данных Embase, Web of Science, OVID MEDLINE и Cochrane CENTRAL. В обзор включали исследования, посвящённые использованию искусственного интеллекта для анализа изображений толстой кишки, полученных при помощи капсулы второго поколения.

Результаты: Из 1017 исследований, оценённых на соответствие критериям, в обзор включили 9. В двух исследованиях оценивали качество очистки кишечника, в пяти — выявление полипов или колоректальных новообразований, ещё в двух — другие варианты применения. В целом чувствительность предложенных моделей искусственного интеллекта составляла 86,5–95,5% при оценке качества очистки кишечника и 47,4–98,1% при выявлении полипов и колоректальных новообразований. В двух исследованиях помимо анализа отдельных кадров проводили анализ отдельных поражений, что повышало чувствительность выявления полипов или колоректальных новообразований до 81,3–98,1%. При использовании сверточной нейронной сети была достигнута максимальная чувствительность выявления полипов — 98,1%.

Выводы: Использование искусственного интеллекта для анализа изображений, полученных при капсульной эндоскопии толстой кишки второго поколения, представляется перспективным. Максимальная чувствительность выявления полипов — 98,1% — была достигнута с помощью глубокого обучения на основе сверточной нейронной сети. Алгоритмы сверточных нейронных сетей необходимо оптимизировать и проверять на большем объёме данных, что может потребовать создания крупной международной базы данных исследований капсульной эндоскопии толстой кишки. Точность оптимизированных моделей сверточных нейронных сетей также необходимо подтвердить в проспективном исследовании.