Искусственный интеллект в диагностике новообразований толстого кишечника—разработка, внедрение технологии и первые результаты
pdf

Ключевые слова

искусственный интеллект в эндоскопии
новые технологии в эндоскопии
рак толстой кишки
сверточные нейронные сети
глубинное обучение
ранний колоректальный рак
диагностика КРР
СППВР в колоноскопии

Как цитировать

Кулаев, К., Важенин, А., Ростовцев, Д., Ким, Я., Зайцев, П., Привалов, А., Валик, А., Зуйков, К., Юсупов, И., Попова, И., & Пушкарев, Е. (2023). Искусственный интеллект в диагностике новообразований толстого кишечника—разработка, внедрение технологии и первые результаты . Вопросы онкологии, 69(2), 292–299. https://doi.org/10.37469/0507-3758-2023-69-2-292-299

Аннотация

Введение. Проблема диагностики и лечения колоректального рака является крайне актуальной проблемой. По данным Всемирной организации здравоохранения и Международного агентства по изучению рака за 2020 г., в мире ежегодно регистрируется около 1,93 млн. случаев колоректального рака. Несмотря на постоянное совершенствование эндоскопического оборудования, число случаев пропущенного рака толстой кишки после выполнения диагностической колоноскопии колеблется от 2,1 % до 5,9 %. В диагностике предраковой патологии доля таких исследований достигает 32,8 %. Причин пропуска патологии множество, одна из которых «человеческий фактор»: частота выявленной патологии зависит от квалификации и опыта врача-эндоскописта.

Цель исследования. Оценить эффективность диагностической колоноскопии с применением системы искусственного интеллекта в детекции новообразований толстого кишечника.

Материалы и методы. С 2021 по 2022 гг. в ГБУЗ «Челябинский областной клинический центр онкологии и ядерной медицины» совместно с российской компанией EVA Lab (ООО «ЭВА Лаб») была разработана, апробирована и внедрена система поддержки принятия врачебных решений (СППВР) на основе алгоритмов искусственного интеллекта. Исследование включает в себя анализ материалов в отношении 944 пациентов с различной патологией толстого кишечника — 338 мужчин (41,1 %) и 556 женщин (58,9 %). Средний возраст мужчин составил 64 ± 12,9 лет, женщин 63 ± 10,2 лет. Все пациенты были разделены на две группы. Первая группа (контрольная) — ретроспективная, формировалась до внедрения в 2020 г. систем на основе искусственного интеллекта, в нее вошли 634 пациента. Вторая группа (группа исследования) — это проспективная когорта, которая начала формироваться с 2020 г. (с момента внедрения системы искусственного интеллекта) включила 310 пациентов. В обеих группах диагностические колоноскопии выполнялись одними и теми же врачами-эндоскопистами со стажем не менее 10 лет.

Результаты. В контрольной группе пациентов было обнаружено 358 (56,4 %) новообразований толстого кишечника, а в группе исследования — 204 (65,8 %). Наибольшая эффективность системы искусственного интеллекта достигалась при детекции новообразований до 1,0 см в диаметре. Если сравнивать частоту выявления новообразований в группе исследования и контрольной группе в категориях пациентов с размером новообразования до 0,5 см и с размерами от 0,5 до 1,0 см, то разница составит 15,7 %, т. е. в группе исследования новообразования регистрировались значимо чаще, чем в контрольной группе (р˂0,001). При размерах новообразования более 1,0 см в диаметре, существенных различий между группами контроля и исследования не обнаружено. Биопсия выполнялась на 13 % чаще в группе исследования по сравнению с контрольной группой.

Заключение. Система искусственного интеллекта наглядно продемонстрировала свою эффективность в детекции новообразований любых размеров; чувствительность составила 80,7 %. Вероятность обнаружения новообразований менее 1,0 см в диаметре при использовании была выше на 13,7 %, вероятность обнаружения тубулярных аденом всех размеров выше на 9,7 %.

https://doi.org/10.37469/0507-3758-2023-69-2-292-299
pdf

Библиографические ссылки

Каприн А.Д., Старинский В.В., Петрова Г.В. Злокачественные новообразования в России в 2020 году (заболеваемость и смертность). 2021 [Kaprin AD, Starinsky VV, Petrova GV. Malignant neoplasms in Russia in 2020 (morbidity and mortality). 2021 (in Russ.)].

Нестеров П.В., Ухарский А.В., Кислов Н.В. Региональная клинико-экономическая модель скрининга колоректального рака. Research'n Practical Medicine Journal. 2020;7(3):146159 [Nesterov PV, Ukharsky AV, Kislov NV. Regional clinical and economic model of colorectal cancer screening. Research'n Practical Medicine Journal. 2020;7(3):14659 (in Russ.)].

Завьялов Д.В., Кашин Н.В., Нестеров П.В., и др. Алгоритм уточняющей диагностики и внутрипросветного эндоскопического удаления эпителиальных новообразований толстой кишки. Колопроктология. 2021;20(1):1722 [Zavyalov DV, Kashin SV, Nesterov PV, et al. Algorithm for clarifying diagnostics and intraluminal endoscopic removal of colorectal epithelial neoplasms. Koloproktologia. 2021;20(1):17–22. (in Russ.)]. doi:10.33878/2073-7556-2021-20-1-17-22.

Antonelli G, Badalamenti M, Hassan C, et al. Impact of artificial intelligence on colorectal polyp detection. Best Pract Res Clin Gastroenterol. 2021;52-53:101713. doi:10.1016/j.bpg.2020.101713.

Dong H, Ren Y, Jiang B. Risk factors associated with missed colorectal lesions in colonoscopy and impact of colonoscopy with anesthesia on miss rate. Scand J Gastroenterol. 2021;56(4):484491. doi:10.1080/00365521.2021.1879248.

Gini A, Jansen EEL, Zielonke N, et al. Impact of colorectal cancer screening on cancer-specific mortality in Europe: A systematic review. Eur J Cancer. 2020;127:224235. doi:10.1016/j.ejca.2019.12.014.

Ishiyama M, Kudo SE, Misawa M, et al. Impact of the clinical use of artificial intelligence-assisted neoplasia detection for colonoscopy: a large-scale prospective, propensity score-matched study (with video). Gastrointest Endosc. 2022;95(1):155163. doi:10.1016/j.gie.2021.07.022.

Ikematsu H, Murano T, Shinmura K. Detection of colorectal lesions during colonoscopy. DEN Open. 2021;2(1):e68. doi:10.1002/deo2.68.

Kamba S, Tamai N, Saitoh I, et al. Reducing adenoma miss rate of colonoscopy assisted by artificial intelligence: a multicenter randomized controlled trial. J Gastroenterol. 2021;56(8):746757. doi:10.1007/s00535-021-01808-w.

Lee C, Lin TH, Lin CJ, et al. A noninvasive risk stratification tool build using an artificial intelligence approach for colorectal polyps based on annual checkup data. Healthcare (Basel). 2022;10(1):169. doi:10.3390/healthcare10010169.

Ladabaum U, Dominitz JA, Kahi C, et al. strategies for colorectal cancer screening. Gastroenterology. 2020;158(2):418432. doi:10.1053/j.gastro.2019.06.043.

Lauby-Secretan B, Vilahur N, Bianchini F, et al. The IARC perspective on colorectal cancer screening. N Engl J Med. 2018;378(18):1734–40. doi:10.1056/nejmsr1714643.

Murphy CC, Sandler RS, Sanoff HK, et al. Decrease in incidence of colorectal cancer among individuals 50 years or older after recommendations for population-based screening. Clin Gastroenterol Hepatol. 2017;15(6):903909.e6. doi:10.1016/j.cgh.2016.08.037.

Nakamoto T, Koyama F, Kuge H, et al. In vitro analysis of exfoliated tumor cells in intraluminal lavage samples after colorectal endoscopic submucosal dissection. Int J Colorectal Dis. 2022;37(1):161170. doi:10.1007/s00384-021-04037-y.

Bressler B, Paszat LF, Chen Z, et al. Rates of new or missed colorectal cancers after colonoscopy and their risk factors: a population-based analysis. Gastroenterology. 2007;132(1):96102. doi:10.1053/j.gastro.2006.10.027.

Лицензия Creative Commons

Это произведение доступно по лицензии Creative Commons «Attribution-NonCommercial-NoDerivatives» («Атрибуция — Некоммерческое использование — Без производных произведений») 4.0 Всемирная.

© АННМО «Вопросы онкологии», Copyright (c) 2023