Искусственный интеллект, управляемый NBI, для диагностики гастроэзофагеальной рефлюксной болезни

Гастроэзофагеальная рефлюксная болезнь (ГЭРБ) представляет собой хроническое заболевание с симптомами, возникающими на фоне рефлюкса содержимого желудка (Vakil et al., 2006). Он подразделяется на четыре фенотипа: эрозивный эзофагит (ЭО), неэрозивная рефлюксная болезнь (НЭРБ), гиперчувствительность к рефлюксу (RH), функциональная изжога (FH) (Nikaki, Woodland and Sifrim, 2016). Определение этого фенотипа эволюционировало с добавлением диагностических тестов и методов их интерпретации, последним из которых является Лионское заявление о консенсусе (Gyawali et al., 2018). У большинства пациентов с симптомами, указывающими на ГЭРБ, при эндоскопии не выявляется поражение слизистой оболочки (Nikaki, Woodland and Sifrim, 2016). Осложнения ГЭРБ, такие как пептическая стриктура и пищевод Барретта, могут быть легко диагностированы с помощью WLE. Диагноз рефлюкс-эзофагита с помощью WLE стандартного определения хорошо описан в Лос-Анджелесской (LA) классификации (Armstrong et al., 1996) и подтвержден (Lundell et al., 1999) с помощью LA классов C и D, подтверждающих ГЭРБ (Gyawali и др., 2018). Кроме того, показано, что AET увеличивается с классификацией LA от A до D (Lundell et al., 1999). Однако между степенями LA (коэффициент Каппа 0,4), особенно A и B, существует лишь скромное согласие между наблюдателями. др., 2008). Диагноз ГЭРБ и решение об антирефлюксной хирургии не могут быть приняты на этом основании, что требует проведения рН-тестирования для подтверждения ГЭРБ.

Узкоспектральная визуализация

Визуализация желудочно-пищеводного перехода с использованием эндоскопа высокого разрешения Olympus H260 с использованием LA-классификации ГЭРБ с WLE и NBI продемонстрировала улучшение общей воспроизводимости между исследователями при использовании в комбинации по сравнению с одной WLE; k 0,62 против 0,45 (<0,05) (Lee et al., 2007). Особенности, выявленные с помощью NBI с цифровым увеличением на чешуйчато-столбчатом переходе в случаях ЭО (n = 41; LA степени A и B), НЭРБ (n = 36) и в контроле (n = 32), включают микроэрозии (100% ЭО; 52,8% НЭРБ; 23,3% контрольной группы), повышенная васкуляризация (95,1% ЭО; 91,7% НЭРБ; 36,7% контрольная группа) и круглые ямки (4,9% ЭО; 5,6% НЭРБ; 70% контрольная группа). Повышенная васкуляризация в сочетании с отсутствием круглых ямок отличает НЭРБ от контроля с чувствительностью и специфичностью 86,1% и 83,3%. Согласие между наблюдателями в этом одноцентровом исследовании было хорошим для повышенной васкуляризации (k = 0,95) и микроэрозий (k = 0,89). но низкий для ямок (k = 0,59) (Фок и др., 2009).

Внутрисосковые капиллярные петли (IPCL) представляют собой капилляры слизистой оболочки, идущие от подслизистой вены к сосочку, обычно расположенные в виде правильных «точек» на расстоянии примерно 100 микрометров друг от друга (Inoue, 2001). Визуализация IPCL пищевода с помощью NBI хорошо задокументирована и составляет основу NBI-классификации плоскоклеточной неоплазии (Inoue et al., 2015). Были предложены изменения морфологии IPCL у пациентов, обследуемых по поводу НЭРБ, в частности дилатация и удлинение IPCL у пациентов с НЭРБ при NBI с увеличением (Kato et al., 2006).

NBI с оптическим увеличением для диагностики ГЭРБ оценивалась в 2 исследованиях (Sharma et al., 2007; Lv et al., 2013). Sharma и соавторы провели технико-экономическое обоснование Olympus Q240Z с квадрантным исследованием дистального отдела 5 см с помощью WLE, а затем NBI у n = 50 ГЭРБ (ЭО n = 30; НЭРБ n = 20) и контрольной группе (n = 30). Подобно Fock et al., наличие микроэрозий и гиперваскуляризации было значительно выше среди пациентов с ГЭРБ. Количество IPCL и морфология извитости, дилатации были значительно больше при ГЭРБ по сравнению с контролем. Эти результаты были последовательными при независимом сравнении ЭО и НЭРБ с контрольной группой. Пороги ROC-анализа для наилучшей чувствительности и специфичности (соответственно) для НЭРБ были максимальными ипкл/поле 131 (90%, 70%), минимум 99 (85%, 70%) и средними 117 (90%, 70%) (Sharma et al. ., 2007).

Lv и соавт. использовали Olympus GIF-H260Z для оценки НЭРБ (n=40), ЭО (n=40), болезни Барретта (n=40) и контрольной группы здоровых людей (n=40). Число IPCL, морфология (удлиненная/дилатационная/извилистая), микроэрозии, круглая ямка выше или ниже SCJ были зарегистрированы как признаки рефлюкса. Значительные различия были обнаружены с увеличением количества IPCL, микроэрозий, некруглых ямок ниже SCJ у пациентов с ГЭРБ (НЭРБ / ЭО и ПБ) по сравнению с контролем и меньшим количеством микроэрозий у пациентов с НЭРБ по сравнению с РЭ (Lv et al., 2013).

Однако определение НЭРБ во всех исследованиях на сегодняшний день варьируется и в основном основано на оценке симптомов, ответе на ИПП и отсутствии поражений слизистой оболочки при эндоскопическом исследовании без стандартизации с использованием исследований рН.

Искусственный интеллект

На сегодняшний день существует одно исследование, в котором оценивается использование ИНС для прогнозирования ГЭРБ на основе 45 переменных, включая демографические данные, историю болезни, состояние здоровья, баллы симптомов. Всем пациентам выполняли ОГД, 24-pH-исследования, выполненные у тех, у кого не было поражения слизистой оболочки при эндоскопии: 103 пациента с ГЭРБ (62 с рефлюкс-эзофагитом и 41 с AET>5%) и n=56 FH пациентов с ГЭРБ. ИНС продемонстрировала точность 100 % по сравнению с 78 % при использовании обычного статистического регрессионного анализа (Pace et al., 2005). Несмотря на то, что это оптимистичные выводы, пропорция использованных обучающих и тестовых данных не была указана, и дальнейшая оценка с большими наборами данных явно оправдана. На сегодняшний день нет моделей ИИ на основе изображений для диагностики ГЭРБ. Машинное обучение с эндоскопическими изображениями представляет большой интерес, как описано в разделе 1.7.7, с IPCL в качестве потенциальной цели, основанной на предыдущих исследованиях NBI для диагностики ГЭРБ. Недавно сообщалось о CNN, включающих обнаружение и морфологию IPCL, в контексте пилотного исследования компьютерной диагностики раннего плоскоклеточного рака пищевода с использованием технологии сегментации с точностью, соответствующей экспертам-эндоскопистам (Zhao et al., 2018). Было продемонстрировано, что метод сегментации изображения Adaptive Local Thresholding полезен при обнаружении сосудов на фотографиях сетчатки, что делает этот метод привлекательным для IPCL (Jiang and Mojon, 2003).