Sztuczna inteligencja w analizie zdjęć gastroskopowych

Na łamach Gastrointestinal Endoscopy ukazał się przegląd systematyczny z meta-analizą dotyczący skuteczności diagnostycznej programów opartych na sztucznej inteligencji w rozpoznawaniu zmian na zdjęciach pochodzących z gastroskopii.

Naukowcy wzięli pod uwagę w badania w których rozpoznawano zmiany nowotworowe w żołądku i przełyku. W sumie zidentyfikowano 23 badania obejmujące prawie milion obrazów. Metody przetwarzania obrazów oparte na sztucznej inteligencji z bardzo wysoką trafnością rozpoznawał y zmiany nowotworowe w żołądku (AUROC=0,96; 95% CI: 0,94-0,99), przełyk Barretta (AUROC=0,96; 95% CI: 0,93-0,99) oraz raka płaskonabłonkowego przełyku (AUROC=0,88; 95% CI: 0,82-0,96). Ogółem, sztuczna inteligencja miała lepsze wyniki diagnostyczne od endoskopistów w rozpoznawaniu zmiany nowotworowych w żołądku (AUROC: 0,98 vs. 0,87) oraz przełyku Barretta (AUROC: 0,96 vs. 0,82).

Programy oparte na sztucznej inteligencji wykazują wysoką trafność diagnostyczna w analizie zdjęć pochodzących z gastroskopii. Jednakże, większość analizowanych badań miała retrospektywny charakter, stąd wyniki powinny być zweryfikowane w badaniach prospektywnych.

AUROC – Area Under Receiving Operating Characteristic Curve (pl. pole powierzchni pod krzywą ROC), CI – Confidence Interval (pl. przedział ufności)