Искусственный интеллект в диагностике некротизирующего энтероколита по рентгенограммам брюшной полости: систематический обзор и метаанализ

Введение: Некротизирующий энтероколит — одна из ведущих причин заболеваемости и смертности среди недоношенных новорождённых и новорождённых с очень низкой массой тела при рождении. Ранняя диагностика затруднена из-за неспецифичности клинических и лабораторных признаков. Искусственный интеллект может повысить согласованность и своевременность диагностики.

Цель: Систематически оценить и метааналитически обобщить диагностическую точность моделей на основе искусственного интеллекта для выявления некротизирующего энтероколита по рентгенограммам брюшной полости.

Методы: Проведён систематический поиск в базах данных MEDLINE, Embase, CINAHL, IEEE Xplore и Cochrane Library по исследованиям, опубликованным с 1 января 2015 года по 20 июля 2025 года. Включали исследования, в которых оценивали модели искусственного интеллекта, машинного обучения или глубокого обучения, применяемые к рентгенограммам брюшной полости для диагностики или стратификации некротизирующего энтероколита, и приводили показатели диагностической эффективности. Отбор исследований, извлечение данных и оценку риска систематической ошибки с использованием модифицированного инструмента PROBAST выполняли независимо два исследователя. Диагностическую точность обобщали с помощью иерархических моделей сводной ROC-кривой.

Результаты: Критериям включения соответствовали 10 ретроспективных исследований; 6 из них были включены в метаанализ. В большинстве исследований использовали свёрточные нейронные сети, при этом внешняя валидация проводилась редко. Обобщённая чувствительность диагностики некротизирующего энтероколита с помощью искусственного интеллекта составила 0,78 (95% ДИ 0,67–0,85), специфичность — 0,84 (95% ДИ 0,73–0,91); отмечалась значительная неоднородность результатов. Отношения правдоподобия положительного и отрицательного результатов составили соответственно 4,84 и 0,27, что указывает на умеренную диагностическую ценность. При анализе объяснимости моделей чаще всего выделялись клинически значимые признаки поражения кишечника.

Выводы: Интерпретация рентгенограмм брюшной полости с помощью искусственного интеллекта демонстрирует умеренную точность при диагностике некротизирующего энтероколита и может использоваться как вспомогательный инструмент поддержки принятия решений, но не как самостоятельный диагностический тест. Практикующим врачам следует рассматривать такие инструменты как дополнение к существующим диагностическим алгоритмам до проведения проспективной валидации моделей искусственного интеллекта и стандартизации их внедрения в существующие рабочие процессы.

Регистрация систематического обзора: https://www.crd.york.ac.uk/PROSPERO/view/CRD420251090229.