Искусственный интеллект и капсульная колоноскопия: автоматическое выявление язв и эрозий с помощью сверточной нейронной сети

Введение и цель: Капсульная колоноскопия (ККЭ) стала малоинвазивной альтернативой традиционной колоноскопии. Однако при каждом исследовании ККЭ получают от 50 000 до 100 000 кадров, что делает их анализ трудоёмким и повышает риск ошибок. Сверточные нейронные сети (СНС) — один из вариантов архитектуры искусственного интеллекта (ИИ), демонстрирующий высокую эффективность при анализе изображений. Целью исследования была разработка модели СНС для выявления язв и эрозий толстой кишки на изображениях ККЭ.

Методы: Модель СНС разработали на основе базы изображений ККЭ. Были проанализированы 124 исследования ККЭ, выполненные в период с 2010 по 2020 год в двух центрах. Для разработки СНС отобрали 37 319 изображений, из которых 33 749 демонстрировали нормальную слизистую оболочку толстой кишки, а 3570 — язвы и эрозии. Сформировали наборы данных для обучения, валидации и тестирования СНС. Эффективность алгоритма оценивали по чувствительности, специфичности, положительной и отрицательной прогностической ценности, точности и площади под кривой.

Результаты: Чувствительность сети при выявлении язв и эрозий толстой кишки составила 96,9%, специфичность — 99,9%. Общая точность алгоритма достигла 99,6%. Площадь под кривой составила 1,00. СНС обрабатывала 90 кадров в секунду.

Выводы: Разработанный алгоритм стал первой моделью на основе СНС, обеспечившей точное выявление язв и эрозий на изображениях ККЭ, а также высокую скорость обработки изображений. Разработка таких систем ИИ может повысить диагностическую и временную эффективность исследований ККЭ и способствовать внедрению этого метода в повседневную клиническую практику.