Исследование капсульной эндоскопии тонкой кишки и открытая база данных с искусственным интеллектом: проект SEE-AI

Цель: Искусственный интеллект (ИИ) может применяться для классификации изображений, полученных при капсульной эндоскопии (КЭ) тонкой кишки. Однако создание работоспособной модели ИИ представляет собой сложную задачу. Мы попытались сформировать набор данных и разработать модель ИИ для обнаружения объектов на изображениях при КЭ, чтобы изучить проблемы моделирования и помочь в интерпретации результатов КЭ тонкой кишки.

Методы: Из 523 исследований КЭ тонкой кишки, выполненных в университетской больнице Кюсю с сентября 2014 года по июнь 2021 года, были извлечены 18 481 изображение. На 12 320 изображениях были размечены 23 033 патологических очага; эти изображения вместе с 6161 изображением без патологических изменений составили набор данных, характеристики которого были изучены. На основе этого набора данных с использованием YOLO v5 была создана модель ИИ для обнаружения объектов, после чего проведена её валидация.

Результаты: Набор данных был размечен по 12 типам признаков; на одном и том же изображении часто присутствовало несколько типов разметки. Валидацию модели ИИ проводили на 1396 изображениях. Чувствительность по всем 12 типам признаков составила около 91%; модель выявила 1375 истинно положительных, 659 ложно положительных и 120 ложно отрицательных результатов. Максимальная чувствительность для отдельных типов разметки достигала 97%, а наибольшая площадь под ROC-кривой — 0,98, однако качество обнаружения различалось в зависимости от конкретного типа признака.

Выводы: Модель ИИ для обнаружения объектов на изображениях КЭ тонкой кишки, созданная с использованием YOLO v5, может обеспечить эффективную и наглядную помощь при интерпретации исследований. В рамках проекта SEE-AI в открытом доступе представлены набор данных, веса модели ИИ и демонстрационная версия для ознакомления с её работой. В дальнейшем планируется дальнейшее совершенствование модели ИИ.