Язвенные гастродуоденальные кровотечения продолжают оставаться серьезной проблемой современной медицины. Для определения типа язвенного кровотечения общемировое признание получила эндоскопическая классификация J. Forrest, 1974, определяющая тактику лечения пациентов с кровоточащими гастродуоденальными язвами. Способность правильно классифицировать тип кровотечения зависит, прежде всего, от опыта врача-эндоскописта. С развитием технологий искусственного интеллекта связаны большие ожидания в совершенствовании диагностики и лечении хирургических заболеваний. В настоящей статье рассматривается возможность разработки алгоритма распознавания типа язвенного кровотечения по эндоскопическим изображениям с использованием моделей машинного обучения и его интеграция в экспертную систему поддержки принятия врачебных решений. В ходе настоящего исследования разработана первая отечественная нейросетевая классификация, позволяющая с 75,56 % точностью определять тип язвенного гастродуоденального кровотечения. Разработанный алгоритм распознавания типа язвенного кровотечения интегрирован в мобильное приложение в качестве инструмента помощи в принятии врачебных решений, что в перспективе позволит улучшить качество диагностики и оказания медицинской помощи пациентам с желудочно-кишечными кровотечениями язвенной этиологии.
Ulcerative gastroduodenal bleeding remains a serious problem in modern medicine. To determine the type of ulcerative bleeding, the Forrest classification is used worldwide, defining the tactics of treating patients with bleeding gastroduodenal ulcers. The ability to correctly classify the type of bleeding depends primarily on the experience of an endoscopist. With the development of artificial intelligence technologies, there are high expectations in improving the diagnosis and treatment of surgical diseases. This article discusses the possibility of developing an algorithm for recognizing the type of ulcerative bleeding from endoscopic images using machine learning models and integrating it into an expert medical decision support system. In the course of this study, the first Russian neural network classification was developed, which makes it possible to determine the type of ulcerative gastroduodenal bleeding with 75,56 % accuracy. The developed algorithm for recognizing the type of ulcerative bleeding is integrated into a mobile application as a tool to help in making medical decisions, which in the future will improve the quality of diagnosis and medical care for patients with gastrointestinal bleeding of ulcerative etiology.
Финансирование: работа выполнялась на средства Гранта Президента Российской Федерации для государственной поддержки молодых российских ученых – кандидатов наук Грант № МК-1069.2020.7 (Конкурс МК-2020) и премии Правительства Воронежской области среди молодых ученых (Постановление Правительства Воронежской области от 18 декабря 2023 г. № 924).