English
Применение искусственного интеллекта для анализа эндоскопических изображений при воспалительных заболеваниях кишечника
DOI: https://dx.doi.org/10.18565/therapy.2022.7.7-14
И.Г. Бакулин, И.А. Расмагина, М.И. Скалинская, Г.А. Машевский, Н.М. Шелякина
1) ФГБОУ ВО «Северо-Западный государственный медицинский университет им. И.И. Мечникова» Минздрава России, г. Санкт-Петербург; 2) ФГАОУ ВО «Санкт-Петербургский государственный электротехнический университет “ЛЭТИ“ им. В.И. Ульянова (Ленина)»
Цель исследования – создание метода диагностики и дифференциальной диагностики ВЗК, основанного на анализе ИНС эндоскопических изображений.
Материал и методы. В исследование были включены пациенты от 18 лет с БК толстой кишки и ЯК после исключения кишечных инфекций, имевшие эндоскопическое обострение. Группой сравнения служили пациенты с визуально неизмененной слизистой толстой кишки. Пациентам проводилась видеоколоноскопия, в ходе которой полученные цифровые изображения были подвергнуты фильтрации с использованием фильтра нелокального среднего и улучшению контраста методом адаптивной контрастно-ограниченной эквализации гистограммы. Нами были разработаны ИНС на основе сети VGG16: первая сеть определяла наличие изменений слизистой, вторая давала заключение о виде ВЗК. Входным элементом являлись цифровые изображения, а выходной слой ИНС давал заключение о наличии патологии и виде ВЗК.
Результаты. ИНС выявляла патологию с точностью 89,3% и дифференцировала ВЗК с точностью 81,9%. ИНС обнаруживала норму с точностью 88% и в сравнении с другими классами лучше определяла ЯК (точность 90%), а также наиболее хорошо отличала класс БК от других классов (точность 92%). Общая точность составила 84,6%. На основе разработанных ИНС была создана система поддержки принятия решений врача (СППРВ).
Заключение. Разработанные модели показали умеренную точность в выявлении ВЗК и высокую в определении ЯК и БК. Созданная СППРВ может сократить время верификации ВЗК и быть использована как дополнительный инструмент в практике врачей.
Литература
1. Клинические рекомендации. Язвенный колит. Российская гастроэнтерологическая ассоциация, общероссийская общественная организация «Ассоциация колопроктологов России». Рубрикатор клинических рекомендаций Минздрава России. 2020. ID: 193. Доступ: https://cr.minzdrav.gov.ru/schema/193_1 (дата обращения – 01.08.2022). 2. Клинические рекомендации. Болезнь Крона. Российская гастроэнтерологическая ассоциация, общероссийская общественная организация «Ассоциация колопроктологов России». Рубрикатор клинических рекомендаций Минздрава России. 2020. ID: 176. Доступ: https://cr.minzdrav.gov.ru/schema/176_1 (дата обращения – 01.08.2022). 3. Novacek G., Grochenig H.P., Haas T. et al. Diagnostic delay in patients with inflammatory bowel disease in Austria. Wien Klin Wochenschr. 2019; 131(5–6): 104–12. https://dx.doi.org/10.1007/s00508-019-1451-3. 4. Cantoro L., Di Sabatino A., Papi C. et al. The time course of diagnostic delay in inflammatory bowel disease over the last sixty years: An Italian multicentre study. J Crohns Colitis. 2017; 11(8): 975–80. https://dx.doi.org/10.1093/ecco-jcc/jjx041. 5. Walker G.J., Lin S., Chanchlani N. et al. Quality improvement project identifies factors associated with delay in IBD diagnosis. Aliment Pharmacol Ther. 2020; 52(3): 471–80. https://dx.doi.org/10.1111/apt.15885. 6. Vavricka S.R., Spigaglia S.M., Rogler G. et al. Systematic evaluation of risk factors for diagnostic delay in inflammatory bowel disease. Inflamm Bowel Dis. 2012; 18(3): 496–505. https://dx.doi.org/10.1002/ibd.21719. 7. Zaharie R., Tantau A., Zaharie F. et al. Diagnostic delay in Romanian patients with inflammatory bowel disease: Risk factors and impact on the disease course and need for surgery. J Crohns Colitis. 2016; 10(3): 306–14. https://dx.doi.org/10.1093/ecco-jcc/jjv215. 8. Lee D.W., Koo J.S., Choe J.W. et al. Diagnostic delay in inflammatory bowel disease increases the risk of intestinal surgery. World J Gastroenterol. 2017; 23(35): 6474–81. https://dx.doi.org/10.3748/wjg.v23.i35.6474. 9. Schoepfer A.M., Dehlavi M.A., Fournier N. et al. Diagnostic delay in Crohn’s disease is associated with a complicated disease course and increased operation rate. Am J Gastroenterol. 2013; 108(11): 1744–53; quiz 1754. https://dx.doi.org/10.1038/ajg.2013.248. 10. Маев И.В., Шелыгин Ю.А., Скалинская М.И. с соавт. Патоморфоз воспалительных заболеваний кишечника. Вестник Российской академии медицинских наук. 2020; 75(1): 27–35. 11. Kroner P.T., Engels M.M., Glicksberg B.S. et al. Artificial intelligence in gastroenterology: A state-of-the-art review. World J Gastroenterol. 2021; 27(40): 6794–824. https://dx.doi.org/10.3748/wjg.v27.i40.6794. 12. Gubatan J., Levitte S., Patel A. et al. Artificial intelligence applications in inflammatory bowel disease: Emerging technologies and future directions. World J Gastroenterol. 2021; 27(17): 1920–35. https://dx.doi.org/10.3748/wjg.v27.i17.1920. 13. Abadir A.P., Ali M.F., Karnes W., Samarasena J.B. Artificial intelligence in gastrointestinal endoscopy. Clin Endosc. 2020; 53(2): 132–41. https://dx.doi.org/10.5946/ce.2020.038. 14. Sturm A., Maaser C., Calabrese E. et al. ECCO-ESGAR guideline for diagnostic assessment in IBD Part 2: IBD scores and general principles and technical aspects. J Crohns Colitis. 2019; 13(3): 273–84. https://dx.doi.org/10.1093/ecco-jcc/jjy114. 15. Buades A., Coll B., Morel J.M. A Non-local algorithm for image denoising. In: 2005 IEEE Computer Society Conference on Computer Vision and Pattern Recognition (CVPR’05). Vol 2. Washington; IEEE Computer Society. 2005: 60–65.https://dx.doi.org/10.1109/CVPR.2005.38. Print ISSN: 1063-6919. 16. Zuiderveld K. Contrast limited adaptive histogram equalization. In: Graphics Gems IV. San Diego: Academic Press Professional, Inc. 1994; 474–85. ISBN: 978-0-12-336155-4. 17. Simonyan K., Zisserman A. Very deep convolutional networks for large-scale image recognition. Published online April 10, 2015. URL: http://arxiv.org/abs/1409.1556 (date of access – 01.08.2022). 18. 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. 19. Ruan G., Qi J., Cheng Y. et al. Development and validation of a deep neural network for accurate identification of endoscopic images from patients with ulcerative colitis and Crohn’s disease. Front Med (Lausanne). 2022; 9: 854677. https://dx.doi.org/10.3389/fmed.2022.854677. 20. 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; 20(1): 248. https://dx.doi.org/10.1186/s12911-020-01277-w. 21. 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; 89(2): 357–63.e2. https://dx.doi.org/10.1016/j.gie.2018.10.027.
Об авторах / Для корреспонденции
Игорь Геннадьевич Бакулин, д.м.н., профессор, зав. кафедрой пропедевтики внутренних болезней, гастроэнтерологии и диетологии им. С.М. Рысса ФГБОУ ВО «Северо-Западный государственный медицинский университет им. И.И. Мечникова» Минздрава России. Адрес: 195067, г. Санкт-Петербург, Пискаревский проспект, д. 47. E-mail: igbakulin@yandex.ru. ORCID: https://orcid.org/0000-0002-6151-2021
Ирина Алексеевна Расмагина, аспирант 2-го года обучения по специальности «внутренние болезни» ФГБОУ ВО «Северо-Западный государственный медицинский университет им. И.И. Мечникова» Минздрава России. Адрес: 195067, г. Санкт-Петербург, Пискаревский проспект, д. 47. E-mail: irenerasmagina@gmail.com.
ORCID: https://orcid.org/0000-0003-3525-3289
Мария Игоревна Скалинская, к.м.н., доцент, доцент кафедры пропедевтики внутренних болезней, гастроэнтерологии и диетологии им. С.М. Рысса ФГБОУ ВО «Северо-Западный государственный медицинский университет им. И.И. Мечникова» Минздрава России. Адрес: 195067, г. Санкт-Петербург, Пискаревский пр., д. 47. E-mail: mskalinskaya@yahoo.com. ORCID: https://orcid.org/0000-0003-0769-8176
Глеб Алексеевич Машевский, к.м.н., доцент кафедры биотехнических систем ФГАОУ ВО «Санкт-Петербургский государственный электротехнический университет “ЛЭТИ“ им. В.И. Ульянова (Ленина)». Адрес: 197022, г. Санкт-Петербург, ул. Профессора Попова, д. 5. E-mail: aniket@list.ru. ORCID: https://orcid.org/0000-0001-9380-9543
Наталья Максимовна Шелякина, системный аналитик. E-mail: n.sheliakina@gmail.com
Похожие статьи
