Возможности использования технологий искусственного интеллекта в морфологической диагностике воспалительных заболеваний кишечника (обзор литературы)

Введение. Воспалительные заболевания кишечника (ВЗК), включая болезнь Крона (БК) и язвенный колит (ЯК), представляют собой хронические патологии желудочно-кишечного тракта иммуновоспалительного генеза. Основное внимание в работе уделено роли искуственного интеллекта (ИИ) в морфологической диагностике ВЗК, эндоскопической визуализации, прогнозировании исходов и мониторинге пациентов. Цель: обобщить данные о применении методов ИИ в диагностике и лечении ВЗК, включая анализ цифровых изображений, прогнозирование ремиссии и активности воспалительного процесса, а также автоматизацию процессов гистологической и эндоскопической оценки. Материалы и методы. Проанализированы современные исследования, посвящённые применению технологий машинного обучения (ML) и глубокого обучения (DL) в диагностике ВЗК. Особое внимание уделено методам обработки гистологических изображений, нейросетевым алгоритмам для классификации стадий воспаления, а также использованию ИИ для эндоскопической визуализации в режиме реального времени. Результаты. Технологии ИИ обеспечивают более точное и объективное определение гистологической активности воспаления, используя индексы Гебоэса, Нэнси и Робартса. Применение глубоких нейронных сетей (CNN) позволяет автоматически классифицировать стадии воспалительного процесса и выявлять остаточное воспаление, что критично для предотвращения рецидивов и риска развития колоректального рака. Использование эндоцитоскопии и алгоритмов визуализации в реальном времени повышает точность раннего выявления дисплазии слизистой оболочки. Нейронные сети и другие ML-алгоритмы демонстрируют высокую чувствительность и специфичность в разграничении БК и ЯК, а также в оценке гистологической ремиссии. Заключение. ИИ становится неотъемлемой частью диагностики ВЗК, улучшая точность морфологических исследований, оптимизируя эндоскопические методы и снижая вероятность ошибок. Интеграция ИИ в клиническую практику позволяет расширить возможности лечения, включая персонализированные подходы и долгосрочный мониторинг пациентов.

1. Успенский Ю.П., Иванов С.В., Фоминых Ю.А., Наркевич А.Н., Сегаль А.М., Гржибовский А.М. Прогнозирование развития жизнеугрожающих осложнений воспалительных заболеваний кишечника с использованием нейронных сетей: инструменты для практического здравоохранения. Экспериментальная и клиническая гастроэнтерология. 2023;(9):20-33. https://doi.org/10.31146/1682-8658-ecg-217-9-20-33

2. Bruner L.P., White A.M., Proksell S. Inflammatory Bowel Disease. Prim Care. 2023;50(3):411-427. https://doi.org/10.1016/j.pop.2023.03.009

3. Маев И.В., Шелыгин Ю.А., Скалинская М.И., Веселов А.В., Сказываева Е.В., Расмагина И.А., и др. Патоморфоз воспалительных заболеваний кишечника. Вестник РАМН. 2020;75(1):27-35. https://doi.org/10.15690/vramn1219

4. Kawamoto A., Takenaka K., Okamoto R., Watanabe M., Ohtsuka K. Systematic review of artificial intelligence-based image diagnosis for inflammatory bowel disease. Dig Endosc. 2022;34(7):1311-1319. https://doi.org/10.1111/den.14334

5. Cannarozzi A.L., Massimino L., Latiano A., Parigi T.L., Giuliani F., Bossa F., et al. Artificial intelligence: A new tool in the pathologist's armamentarium for the diagnosis of IBD. Comput Struct Biotechnol J. 2024;11(23):3407-3417. https://doi.org/10.1016/j.csbj.2024.09.003

6. Ахриева Х.М., Коган Е.А., Тертычный А.С., Раденска-Лоповок С.Г., Зайратьянц О.В., Селиванова Л.С. Оценка гистологической активности колитов. Архив патологии. 2022;84(2):51 57. https://doi.org/10.17116/patol20228402151

7. Тертычный А.С., Ахриева Х.М., Коган Е.А., Зайратьянц О.В., Селиванова Л.С. Современные подходы в морфологической диагностике воспалительных заболеваний кишечника. Российский журнал гастроэнтерологии, гепатологии, колопроктологии. 2022;32(2):73-84. https://doi.org/10.22416/1382-4376-2022-32-2-73-84

8. Ahmad H.A., East J.E., Panaccione R., Travis S., Canavan J.B., Usiskin K., Byrne M.F. Artificial intelligence in inflammatory bowel disease: implications for clinical practice and future directions. Intest Res. 2023;21(3):283-294. https://doi.org/10.5217/ir.2023.00020

9. Hoogenboom S.A., Bagci U., Wallace M.B. Artificial intelligence in gastroenterology. The current state of play and the potential. How will it affect our practice and when? Tech Innov Gastrointest Endosc. 2020;22(2):42-47. https://doi.org/10.1016/j.tgie.2019.150634

10. Diaconu C., State M., Birligea M., Ifrim M., Bajdechi G., Georgescu T., et al. The Role of Artificial Intelligence in Monitoring Inflammatory Bowel Disease – The Future Is Now. Diagnostics. 2023;13(4):735. https://doi.org/10.3390/diagnostics13040735

11. Flynn S., Eisenstein S. Inflammatory Bowel Disease Presentation and Diagnosis. Surg Clin North Am. 2019;99(6):1051-1062. https://doi.org/10.1016/j.suc.2019.08.001

12. Gu P., Mendonca O., Carter D., Dube S., Wang P., Huang X., et al. AI-luminating Artificial Intelligence in Inflammatory Bowel Diseases: A Narrative Review on the Role of AI in Endoscopy, Histology, and Imaging for IBD. Inflamm Bowel Dis. 2024;30(12):2467-2485. https://doi.org/10.1093/ibd/izae030

13. Ben Hamida A., Devanne M., Weber J., Truntzer C., Derangère V., Ghiringhelli F., et al. Deep learning for colon cancer histopathological images analysis. Comput Biol Med. 2021;136:104730. https://doi.org/10.1016/j.compbiomed.2021.104730

14. Гулиева А.А. Развитие искусственного интеллекта на основе нейронных сетей. Актуальные исследования. 2022;34(113):6-9.

15. Deo R. Machine Learning in Medicine. Circulation. 2015;132(20):1920-30. https://doi.org/10.1161/CIRCULATIONAHA.115.001593

16. Panch T., Szolovits P., Atun R. Artificial intelligence, machine learning and health systems. J Glob Health. 2018;8(2):020303. https://doi.org/10.7189/jogh.08.020303

17. LeCun Y., Bengio Y., Hinton G. Deep learning. Nature. 2015;521(7553):436-44. https://doi.org/10.1038/nature14539

18. Maaser C., Sturm A., Vavricka S.R., Kucharzik T., Fiorino G., Annese V., et al. ECCO-ESGAR Guideline for Diagnostic Assessment in IBD Part 1: Initial diagnosis, monitoring of known IBD, detection of complications. J Crohns Colitis. 2019;13(2):144-164. https://doi.org/10.1093/ecco-jcc/jjy113

19. Pal P., Ramchandani M., Patel R., Banerjee R., Kanaganti S., Gupta R., et al. Role of ultra-high definition endoscopy (endomicroscopy and endocytoscopy) and real-time histologic examination in inflammatory bowel disease: Scoping review. Dig Endosc. 2024;36(3):274-289. https://doi.org/10.1111/den.14659

20. Maeda Y., Kudo S.E., Mori Y., Misawa M., Ogata N., Sasanuma S., et al. Fully automated diagnostic system with artificial intelligence using endocytoscopy to identify the presence of histologic inflammation associated with ulcerative colitis. Gastrointest Endosc. 2019;89(2):408-415. https://doi.org/10.1016/j.gie.2018.09.024

21. Yang L.S., Perry E., Shan L., Wilding H., Connell W., Thompson A.J., et al. Clinical application and diagnostic accuracy of artificial intelligence in colonoscopy for inflammatory bowel disease: systematic review. Endosc Int Open. 2022;10(7):E1004-E1013. https://doi.org/10.1055/a-1846-0642

22. Takenaka K., Ohtsuka K., Fujii T., Negi M., Suzuki K., Shimizu H., et al. Development and Validation of a Deep Neural Network for Accurate Evaluation of Endoscopic Images From Patients With Ulcerative Colitis. Gastroenterology. 2020;158(8):2150-2157. https://doi.org/10.1053/j.gastro.2020.02.012

23. Geboes K., Riddell R., Ost A., Jensfelt B., Persson T., Löfberg R. A reproducible grading scale for histological assessment of inflammation in ulcerative colitis. Gut. 2000;47(3):404-409. https://doi.org/10.1136/gut.47.3.404

24. Marchal-Bressenot A., Salleron J., Boulagnon-Rombi C., Bastien C., Cahn V., Cadiot G., et al. Development and validation of the Nancy histological index for UC. Gut. 2017;66(1):43-49. https://doi.org/10.1136/gutjnl-2015-310187

25. Mosli M.H., Feagan B.G., Zou G., Sandborn W.J., D’Haens G., Khanna R., et al. Development and validation of a histological index for UC. Gut. 2017;66(1):50-58. https://doi.org/10.1136/gutjnl-2015-310393

26. Gui X., Bazarova A., Del Amor R., Vieth M., de Hertogh G., Villanacci V., et al. PICaSSO Histologic Remission Index (PHRI) in ulcerative colitis: development of a novel simplified histological score for monitoring mucosal healing and predicting clinical outcomes and its applicability in an artificial intelligence system. Gut. 2022;71(5):889-898. https://doi.org/10.1136/gutjnl-2021-326376

27. Iacucci M., Parigi T.L., Del Amor R., Meseguer P., Mandelli G., Bozzola A., et al. Artificial Intelligence Enabled Histological Prediction of Remission or Activity and Clinical Out-comes in Ulcerative Colitis. Gastroenterology. 2023;164(7):1180-1188.e2. https://doi.org/10.1053/j.gastro.2023.02.031

28. Murthy S.K., Feuerstein J.D., Nguyen G.C., Velayos F.S. AGA Clinical Practice Update on Endoscopic Surveillance and Management of Colorectal Dysplasia in Inflammatory Bowel Diseases: Expert Review. Gastroenterology. 2021;161(3):1043-1051.e4. https://doi.org/10.1053/j.gastro.2021.05.063

29. Smolander J, Dehmer M, Emmert-Streib F. Comparing deep belief networks with support vector machines for classifying gene expression data from complex disorders. FEBS Open Bio. 2019 Jul;9(7):1232-1248. https://doi.org/10.1002/2211-5463.12652

30. Kang L.I., Sarullo K., Marsh J.N., Lu L., Khonde P., Ma C., et al. Development of a deep learning algorithm for Paneth cell density quantification for inflammatory bowel disease. E Bio Medicine. 2024;110:105440. https://doi.org/10.1016/j.ebiom.2024.105440

31. Бакулин И.Г., Расмагина И.А., Скалинская М.И., Машевский Г.А., Шелякина Н.М. Применение искусственного интеллекта для анализа эндоскопических изображений при воспалительных заболеваниях кишечника. Терапия. 2022;8(7):7-14. https://dx.doi.org/10.18565/therapy.2022.7.7-14

32. Pradhan P., Meyer T., Vieth M., Stallmach A., Waldner M., Schmitt M., et al. Semantic segmentation of non-linear multimodal images for disease grading of inflammatory bowel disease: A segnet-based application. ICPRAM. 2019;396-405. https://dx.doi.org/10.5220/0007314003960405

33. Liu X., Prasath S., Siddiqui I., Walters T.D., Denson L.A., Dhaliwal J. Machine Learning-Based Prediction of Pediatric Ulcerative Colitis Treatment Response Using Diagnostic Histopathology. Gastroenterology. 2024;166(5):921-924.e4. https://doi.org/10.1053/j.gastro.2024.01.033

34. Yao H., Najarian K., Gryak J., Bishu S., Rice M.D., Waljee A.K., et al. Fully automated endoscopic disease activity assessment in ulcerative colitis. Gastrointest Endosc. 2021;93(3):728-736.e1. https://doi.org/10.1016/j.gie.2020.08.011

35. Zhou J., Wu L., Wan X., Shen L., Liu J., Zhang J., et al. A novel artificial intelligence system for the assessment of bowel preparation. Gastrointest Endosc. 2020;91(2):428-435.e2. https://doi.org/10.1016/j.gie.2019.11.026

36. Liu X., Reigle J., Prasath V.B.S., Dhaliwal J. Artificial intelligence image-based prediction models in IBD exhibit high risk of bias: A systematic review. Comput Biol Med. 2024;171:108093. https://doi.org/10.1016/j.compbiomed.2024.108093