Искусственный интеллект в диагностике и лечении воспалительных заболеваний кишечника (обзор литературы)
https://doi.org/10.33878/2073-7556-2024-23-3-136-149
Аннотация
В настоящее время ученые из разных стран изучают возможности применения методов машинного обучения для повышения точности эндоскопической и лучевой диагностики у пациентов с воспалительными заболеваниями кишечника (ВЗК) как для уменьшения временных затрат врачей на описание результатов исследований, так и для уменьшения сроков верификации диагноза. Прогнозирование течения ВЗК на основе искусственного интеллекта (ИИ) с созданием прогностических сценариев (моделей) — еще одно перспективное направление в гастроэнтерологии. В данном обзоре проанализированы основные направления научных проектов по внедрению ИИ и методов машинного обучения в диагностику и прогнозирование течения ВЗК. Особое внимание в статье уделяется проблемам, с которыми сталкиваются специалисты при применении методов ИИ, способам их решения, а также перспективам использования ИИ у пациентов с ВЗК. Представлены возможности применения ИИ для скрининга колоректального рака, анализа медицинских карт.
Об авторах
Т. С. Филь
ФГБОУ ВО СЗГМУ им И.И. Мечникова Минздрава России
Россия
Россия
Татьяна Сергеевна Филь, к. м. н., заведующий отделением, ассистент
отделение гастроэнтерологии; кафедра пропедевтики внутренних болезней, гастроэнтерологии и диетологии им С.М. Рысса
195067; Пискаревский пр., д. 47; Санкт-Петербург
тел.: +7 (812) 303-50-00
И. Г. Бакулин
ФГБОУ ВО СЗГМУ им И.И. Мечникова Минздрава России
Россия
Россия
Игорь Геннадьевич Бакулин, д. м. н., профессор, заведующий кафедрой
кафедра пропедевтики внутренних болезней, гастроэнтерологии и диетологии им С.М. Рысса
195067; Пискаревский пр., д. 47; Санкт-Петербург
Список литературы
1. Шелыгин Ю.А., Ивашкин В.Т., Белоусова Е.А., и соавт. Клинические рекомендации. Язвенный колит (К51), взрослые. Колопроктология. 2023;22(1):10–44. doi: 10.33878/2073-7556-2023-22-1-10-44
2. Шелыгин Ю.А., Ивашкин В.Т., Ачкасов С.И., и соавт. Клинические рекомендации. Болезнь Крона (К50), взрослые. Колопроктология. 2023;22(3):10–49. doi: 10.33878/2073-7556-2023-22-3-10-49
3. Ng SC, Shi HY, Hamidi N, et al. Worldwide incidence and prevalence of inflammatory bowel disease in the 21<sup>st</sup> century : a systematic review of population-based studies. Lancet. 2017 Dec 23;390(10114):2769–2778. doi: 10.1016/S0140-6736(17)32448-0 Epub 2017 Oct 16. Erratum in: Lancet. 2020 Oct 3;396(10256):e56. PMID: 29050646.
4. Бакулин И.Г., Жигалова Т.Н., Латария Э.Л., и соавт. Опыт внедрения Федерального Регистра пациентов с воспалительными заболеваниями кишечника в Санкт-Петербурге. Фарматека. 2017; S5: 56-59.
5. Бакулин И.Г., Скалинская М.И., Сказываева Е.В., и соавт. Северо-Западный Регистр пациентов с воспалительными заболеваниями кишечника: достижения и уроки. Колопроктология. 2022;21(1):37–49. doi: 10.33878/2073-7556-2022-21-1-37-49
6. Maaser C, Sturm A, Vavricka SR, et al. European Crohn’s and Colitis Organisation [ECCO] and the European Society of Gastrointestinal and Abdominal Radiology [ESGAR]. ECCO-ESGAR Guideline for Diagnostic Assessment in IBD Part 1: Initial diagnosis, monitoring of known IBD, detection of complications. J Crohns Colitis. 2019 Feb 1;13(2):144–164. doi: 10.1093/ecco-jcc/jjy113 PMID: 30137275
7. Бакулин И.Г., Расмагина И.А., Скалинская М.И. Дифференциальная диагностика и прогнозирование течения воспалительных заболеваний кишечника: современные подходы. Вестник Северо-Западного государственного медицинского университета им. И.И. Мечникова. 2021;13(3):19–30. doi: 10.17816/mechnikov77646
8. Бакулин И.Г., Авалуева Е.Б., Сказываева Е.В., и соавт. Воспалительные заболевания кишечника : Карманные рекомендации для врачей по ведению пациентов с воспалительными заболеваниями кишечника. Москва — Санкт-Петербург: Группа Ремедиум. 2018; 80 с. ISBN 978-5-906499-38-7
9. Маев И.В., Бакулин И.Г., Скалинская М.И., и соавт. Воспалительные заболевания кишечника: трансформация представлений. Терапевтический архив. 2023;95(12):1064–1074. doi: 10.26442/00403660.2023.12.202507
10. Da Rio L, Spadaccini M, Parigi TL, et al. Artificial intelligence and inflammatory bowel disease: Where are we going? World J Gastroenterol. 2023 Jan 21;29(3):508–520. doi: 10.3748/wjg.v29.i3.508 PMID: 36688019; PMCID: PMC9850939.
11. Le Berre C, Sandborn WJ, Aridhi S, et al. Application of Artificial Intelligence to Gastroenterology and Hepatology. Gastroenterology. 2020 Jan;158(1):76–94.e2. doi: 10.1053/j.gastro.2019.08.058 Epub 2019 Oct 5. PMID: 31593701.
12. Ozawa T, Ishihara S, Fujishiro M, et al. Novel computer-assisted diagnosis system for endoscopic disease activity in patients with ulcerative colitis. Gastrointest Endosc. 2019 Feb;89(2):416–421.e1. doi: 10.1016/j.gie.2018.10.020 Epub 2018 Oct 24. PMID: 30367878.
13. Stidham RW, Liu W, Bishu S, et al. Performance of a Deep Learning Model vs Human Reviewers in Grading Endoscopic Disease Severity of Patients With Ulcerative Colitis. JAMA Netw Open. 2019 May 3;2(5):e193963. doi: 10.1001/jamanetworkopen.2019.3963 Erratum in: JAMA Netw Open. 2020 Jan 3;3(1):e1920585. PMID: 31099869; PMCID: PMC6537821
14. Lo B, Liu Z, Bendtsen F, et al. High Accuracy in Classifying Endoscopic Severity in Ulcerative Colitis Using Convolutional Neural Network. Am J Gastroenterol. 2022 Oct 1;117(10):1648–1654. doi: 10.14309/ajg.0000000000001904 Epub 2022 Jul 15. PMID: 35849628.
15. Byrne M, East J, Iacucci M, et al. DOP13 Artificial Intelligence (AI) in endoscopy-Deep learning for detection and scoring of Ulcerative Colitis (UC) disease activity under multiple scoring systems. J Crohns Colitis. 2021;15:S051–2. doi: 10.1093/ecco-jcc/jjab073.052
16. Yao H, Najarian K, Gryak J, et al. Fully automated endoscopic disease activity assessment in ulcerative colitis. Gastrointest Endosc. 2021 Mar;93(3):728–736.e1. doi: 10.1016/j.gie.2020.08.011 Epub 2020 Aug 15. PMID: 32810479
17. Gottlieb K, Requa J, Karnes W, et al. Central Reading of Ulcerative Colitis Clinical Trial Videos Using Neural Networks. Gastroenterology. 2021 Feb;160(3):710–719.e2. doi: 10.1053/j.gastro.2020.10.024 Epub 2020 Oct 21. PMID: 33098883.
18. Bossuyt P, Nakase H, Vermeire S, et al. Automatic, computeraided determination of endoscopic and histological inflammation in patients with mild to moderate ulcerative colitis based on red density. Gut. 2020 Oct;69(10):1778–1786. doi: 10.1136/gutjnl-2019-320056 Epub 2020 Jan 8. PMID: 31915237.
19. Aoki T, Yamada A, Aoyama K, et al. Automatic detection of erosions and ulcerations in wireless capsule endoscopy images based on a deep convolutional neural network. Gastrointest Endosc. 2019 Feb;89(2):357–363.e2. doi: 10.1016/j.gie.2018.10.027 Epub 2018 Oct 25. PMID: 30670179
20. Aoki T, Yamada A, Aoyama K, et al. Clinical usefulness of a deep learning-based system as the first screening on small-bowel capsule endoscopy reading. Dig Endosc. 2020 May;32(4):585–591. doi: 10.1111/den.13517 Epub 2019 Oct 2. PMID: 31441972.
21. Ferreira JPS, de Mascarenhas Saraiva MJDQEC, Afonso JPL, et al. Identification of Ulcers and Erosions by the Novel Pillcam™ Crohn’s Capsule Using a Convolutional Neural Network: A Multicentre Pilot Study. J Crohns Colitis. 2022 Jan 28;16(1):169–172. doi: 10.1093/ecco-jcc/jjab117 PMID: 34228113.
22. Klang E, Grinman A, Soffer S, et al. Automated Detection of Crohn’s Disease Intestinal Strictures on Capsule Endoscopy Images Using Deep Neural Networks. J Crohns Colitis. 2021 May 4;15(5):749–756. doi: 10.1093/ecco-jcc/jjaa234 PMID: 33216853
23. Barash Y, Azaria L, Soffer S, et al. Ulcer severity grading in video capsule images of patients with Crohn’s disease: an ordinal neural network solution. Gastrointest Endosc. 2021 Jan;93(1):187–192. doi: 10.1016/j.gie.2020.05.066 Epub 2020 Jun 12. PMID: 32535191.
24. Ding Z, Shi H, Zhang H, et al. Gastroenterologist-Level Identification of Small-Bowel Diseases and Normal Variants by Capsule Endoscopy Using a Deep-Learning Model. Gastroenterology. 2019 Oct;157(4):1044–1054.e5. doi: 10.1053/j.gastro.2019.06.025 Epub 2019 Jun 25. PMID: 31251929
25. Klang E, Barash Y, Margalit RY, et al. Deep learning algorithms for automated detection of Crohn’s disease ulcers by video capsule endoscopy. Gastrointest Endosc. 2020 Mar;91(3):606–613.e2. doi: 10.1016/j.gie.2019.11.012 Epub 2019 Nov 16. PMID: 31743689
26. Guimarães P, Finkler H, Reichert MC, et al. Artificial-intelligence-based decision support tools for the differential diagnosis of colitis. Eur J Clin Invest. 2023 Jun;53(6):e13960. doi: 10.1111/eci.13960 Epub 2023 Feb 12. PMID: 36721878
27. Tong Y, Lu K, Yang Y, et al. Can natural language processing help differentiate inflammatory intestinal diseases in China? Models applying random forest and convolutional neural network approaches. BMC Med Inform Decis Mak. 2020 Sep 29;20(1):248. doi: 10.1186/s12911-020-01277-w PMID: 32993636; PMCID: PMC7526202
28. Takenaka K, Ohtsuka K, Fujii T, et al. Development and Validation of a Deep Neural Network for Accurate Evaluation of Endoscopic Images From Patients With Ulcerative Colitis. Gastroenterology. 2020 Jun;158(8):2150–2157. doi: 10.1053/j.gastro.2020.02.012 Epub 2020 Feb 12. PMID: 32060000.
29. Takenaka K, Fujii T, Kawamoto A, et al. Deep neural network for video colonoscopy of ulcerative colitis: a cross-sectional study. Lancet Gastroenterol Hepatol. 2022 Mar;7(3):230–237. doi: 10.1016/S2468-1253(21)00372-1 Epub 2021 Nov 29. PMID: 34856196.
30. Vande Casteele N, Leighton JA, Pasha SF, et al. Utilizing Deep Learning to Analyze Whole Slide Images of Colonic Biopsies for Associations Between Eosinophil Density and Clinicopathologic Features in Active Ulcerative Colitis. Inflamm Bowel Dis. 2022 Mar 30;28(4):539–546. doi: 10.1093/ibd/izab122 PMID: 34106256.
31. Stidham RW, Takenaka K. Artificial Intelligence for Disease Assessment in Inflammatory Bowel Disease: How Will it Change Our Practice? Gastroenterology. 2022 Apr;162(5):1493–1506. doi: 10.1053/j.gastro.2021.12.238 Epub 2022 Jan 4. PMID: 34995537; PMCID: PMC8997186.
32. Stidham RW, Enchakalody B, Waljee AK, et al. Assessing Small Bowel Stricturing and Morphology in Crohn’s Disease Using Semi-automated Image Analysis. Inflamm Bowel Dis. 2020 Apr 11;26(5):734–742. doi: 10.1093/ibd/izz196 PMID: 31504540; PMCID: PMC7150581
33. Li X, Liang D, Meng J, et al. Development and Validation of a Novel Computed-Tomography Enterography Radiomic Approach for Characterization of Intestinal Fibrosis in Crohn’s Disease. Gastroenterology. 2021 Jun;160(7):2303–2316.e11. doi: 10.1053/j.gastro.2021.02.027 Epub 2021 Feb 17. PMID: 33609503; PMCID: PMC8903088.
34. Бакулин И.Г., Расмагина И.А., Скалинская М.И., и соавт. Применение искусственного интеллекта для анализа эндоскопических изображений при воспалительных заболеваниях кишечника. Терапия. 2022;8(7):7–14. doi: 10.18565/therapy.2022.7.7-14
35. Бакулин И.Г., Расмагина И.А., Деев Р.В., и соавт. Анализ гистологических изображений биоптатов слизистой толстой кишки у пациентов с воспалительными заболеваниями кишечника при помощи искусственной нейронной сети. Медицинский вестник МВД. 2023;124(3):21–24. doi: 10.52341/20738080_2023_124_3_21
36. Мтвралашвили Д.А., Шахматов Д.Г., Ликутов А.А., и соавт. Алгоритм на основе искусственного интеллекта для системы поддержки принятия врачебного решения при колоноскопии. Колопроктология. 2023;22(2):92–102. doi: 10.33878/2073-7556-2023-22-2-92-102
37. Бакулин И.Г., Жарков А.В., Журавлева М.С., и соавт. Скрининг колоректального рака: состояние проблемы и перспективы. Профилактическая медицина. 2023;26(12):12–18. doi: 10.17116/profmed20232612112
38. Fukunaga S, Kusaba Y, Ohuchi A, et al. Is artificial intelligence a superior diagnostician in ulcerative colitis? Endoscopy. 2021 Feb;53(2):E75–E76. doi: 10.1055/a-1195-1986 Epub 2020 Jun 26. PMID: 32590852.
39. Maeda Y, Kudo SE, Ogata N, et al. Can artificial intelligence help to detect dysplasia in patients with ulcerative colitis? Endoscopy. 2021 Jul;53(7):E273–E274. doi: 10.1055/a-1261-2944 Epub 2020 Oct 1. PMID: 33003217.
40. Waljee AK, Sauder K, Patel A, et al. Machine Learning Algorithms for Objective Remission and Clinical Outcomes with Thiopurines. J Crohns Colitis. 2017 Jul 1;11(7):801–810. doi: 10.1093/ecco-jcc/jjx014 PMID: 28333183; PMCID: PMC5881698
41. Waljee AK, Liu B, Sauder K, et al. Predicting Corticosteroid-Free Biologic Remission with Vedolizumab in Crohn’s Disease. Inflamm Bowel Dis. 2018 May 18;24(6):1185–1192. doi: 10.1093/ibd/izy031 PMID: 29668915; PMCID: PMC6231370.
42. Li Y, Pan J, Zhou N, et al. A random forest model predicts responses to infliximab in Crohn’s disease based on clinical and serological parameters. Scand J Gastroenterol. 2021 Sep;56(9):1030–1039. doi: 10.1080/00365521.2021.1939411 Epub 2021 Jul 24. PMID: 34304688.
43. Waljee AK, Lipson R, Wiitala WL, et al. Predicting Hospitalization and Outpatient Corticosteroid Use in Inflammatory Bowel Disease Patients Using Machine Learning. Inflamm Bowel Dis. 2017 Dec 19;24(1):45–53. doi: 10.1093/ibd/izx007 PMID: 29272474; PMCID: PMC5931801.
44. Stidham R, et al. Su1920 detection and characterization of extraintestinal manifestations of ibd in clinical office notes using natural language processing. Gastroenterology. 2020;158(6):S–702.
45. Reddy BK, Delen D, Agrawal RK. Predicting and explaining inflammation in Crohn’s disease patients using predictive analytics methods and electronic medical record data. Health Informatics J. 2019 Dec;25(4):1201–1218. doi: 10.1177/1460458217751015 Epub 2018 Jan 10. PMID: 29320910.
46. Zand A, Stokes Z, Sharma A, et al. Artificial Intelligence for Inflammatory Bowel Diseases (IBD); Accurately Predicting Adverse Outcomes Using Machine Learning. Dig Dis Sci. 2022 Oct;67(10):4874–4885. doi: 10.1007/s10620-022-07506-8 Epub 2022 Apr 27. PMID: 35476181; PMCID: PMC9515047.
47. Филь Т.С., Бакулин И.Г. Цифровое здравоохранение Российской Федерации : основные понятия для практикующих врачей. Профилактическая медицина. 2024;27(1):97–105. doi: 10.17116/profmed20242701197 EDN: QQLIFM.
48. Hanzel J, Bossuyt P, Pittet V, et al. Development of a Core Outcome Set for Real-world Data in Inflammatory Bowel Disease: A European Crohn’s and Colitis Organization [ECCO] Position Paper. J Crohns Colitis. 2023 Apr 3;17(3):311–317. doi: 10.1093/ecco-jcc/jjac136 PMID: 36190188.
49. Zammarchi I, Santacroce G, Iacucci M. Next-Generation Endoscopy in Inflammatory Bowel Disease. Diagnostics (Basel). 2023 Jul 31;13(15):2547. doi: 10.3390/diagnostics13152547 PMID: 37568910; PMCID: PMC10417286.
50. Ashton JJ, Brooks-Warburton J, Allen PB, et al. The importance of high-quality ‘big data’ in the application of artificial intelligence in inflammatory bowel disease. Frontline Gastroenterol. 2022 Nov 17;14(3):258–262. doi: 10.1136/flgastro-2022-102342 PMID: 37056322; PMCID: PMC10086732.
51. Sudlow C, Gallacher J, Allen N, et al. UK biobank: an open access resource for identifying the causes of a wide range of complex diseases of middle and old age. PLoS Med. 2015 Mar 31;12(3):e1001779. doi: 10.1371/journal.pmed.1001779 PMID: 25826379; PMCID: PMC4380465.
52. Филь Т.С. Искусственный интеллект в медицинской практике. Российский семейный врач. 2023;27(4):13–20. doi: 10.17816/RFD601816 EDN: QPFJYO.
53. Искусственный интеллект в здравоохранении. Платформа Минздрава России (режим доступа https://ai.minzdrav.gov.ru/).
54. Zulqarnain F, Rhoads SF, Syed S. Machine and deep learning in inflammatory bowel disease. Curr Opin Gastroenterol. 2023 Jul 1;39(4):294–300. doi: 10.1097/MOG.0000000000000945 Epub 2023 May 8. PMID: 37144491; PMCID: PMC10256313.
55. Kohli A, Moss AC. Personalizing therapy selection in inflammatory bowel disease. Expert Rev Clin Immunol. 2023 Apr;19(4):431–438. doi: 10.1080/1744666X.2023.2185605 Epub 2023 Apr 12. PMID: 37051666.
56. Waljee AK, Liu B, Sauder K, et al. Predicting corticosteroid-free endoscopic remission with vedolizumab in ulcerative colitis. Aliment Pharmacol Ther. 2018 Mar;47(6):763–772. doi: 10.1111/apt.14510 Epub 2018 Jan 22. PMID: 29359519; PMCID: PMC5814341
Дополнительные файлы
Рецензия
Для цитирования:
Филь Т.С., Бакулин И.Г. Искусственный интеллект в диагностике и лечении воспалительных заболеваний кишечника (обзор литературы). Колопроктология. 2024;23(3):136-149. https://doi.org/10.33878/2073-7556-2024-23-3-136-149
For citation:
Fil’ T.S., Bakulin I.G. Artificial intelligence in the diagnostics and treatment of inflammatory bowel diseases (review). Koloproktologia. 2024;23(3):136-149. https://doi.org/10.33878/2073-7556-2024-23-3-136-149
Просмотров:
523
Послать статью по эл. почте 
