Искусственный интеллект в эндоскопии при воспалительных заболеваниях кишечника: систематический обзор

Введение: Несмотря на стремительное развитие искусственного интеллекта (ИИ) в эндоскопии органов пищеварения для выявления и характеристики поражений, роль ИИ в эндоскопии при воспалительных заболеваниях кишечника (ВЗК) остаётся недостаточно определённой. Целью исследования был систематический обзор роли ИИ в эндоскопии при ВЗК и определение перспективных направлений дальнейших исследований.

Методы: Выполнен поиск в базах данных PubMed и Embase по ключевым словам («artificial intelligence» или «machine learning» или «computer-aided» или «convolutional neural network») и («inflammatory bowel disease» или «ulcerative colitis» или «Crohn's») и («endoscopy» или «colonoscopy» или «capsule endoscopy» или «device assisted enteroscopy») за период с 1975 года по сентябрь 2023 года. Для детального анализа отобраны 62 оригинальные статьи. Обзорные статьи, консенсусные рекомендации, описания отдельных случаев и серий случаев, редакционные материалы, письма в редакцию, препринты без рецензирования и тезисы конференций исключались. Качество включённых исследований оценивали по контрольному перечню MI-CLAIM.

Результаты: Точность моделей ИИ для оценки эндоскопической активности язвенного колита (ЯК) варьировала от 86,54 до 94,5% (25 исследований). Применение ИИ при чтении капсульных эндоскопических исследований (12 исследований) существенно уменьшало количество изображений, подлежащих анализу, и время чтения при сохранении высокой точности — от 90,5 до 99,9%. Анализ колоноскопических изображений с помощью ИИ позволял дифференцировать ВЗК и заболевания, не относящиеся к ВЗК, ЯК и заболевания, не являющиеся ЯК, а также ЯК и болезнь Крона (БК) (три исследования); точность составила соответственно 72,1, 98,3 и более 90%. Модели ИИ, основанные на неинвазивных клинических и радиологических параметрах, могли прогнозировать эндоскопическую активность (три исследования). Виртуальная хромоэндоскопия с применением ИИ (четыре исследования) позволяла прогнозировать гистологическую ремиссию и отдалённые исходы. Компьютерное обнаружение дисплазии (CADe) (два исследования) оказалось осуществимым; точность дифференциации новообразований, ассоциированных с ВЗК, высокой и низкой степени злокачественности с помощью ИИ составила 79%. ИИ эффективно связывал данные электронной медицинской карты с видеозаписями колоноскопии, что способствует широкому применению машинного обучения.

Выводы: Эндоскопия при ВЗК с применением ИИ потенциально способна повлиять на тактику ведения пациентов за счёт автоматизированного выявления и характеристики эндоскопических поражений. Необходимы крупные проспективные многоцентровые исследования и коммерчески доступные специализированные алгоритмы ИИ для эндоскопии при ВЗК.