КАРТОЧКА ПРОЕКТА ФУНДАМЕНТАЛЬНЫХ И ПОИСКОВЫХ НАУЧНЫХ ИССЛЕДОВАНИЙ,
ПОДДЕРЖАННОГО РОССИЙСКИМ НАУЧНЫМ ФОНДОМ

Информация подготовлена на основании данных из Информационно-аналитической системы РНФ, содержательная часть представлена в авторской редакции. Все права принадлежат авторам, использование или перепечатка материалов допустима только с предварительного согласия авторов.

 

ОБЩИЕ СВЕДЕНИЯ


Номер проекта 24-25-20127

НазваниеСистема поддержки принятия решений для диагностики и прогнозирования течения воспалительных заболеваний кишечника

Руководитель Бакулин Игорь Геннадьевич, Доктор медицинских наук

Организация финансирования, регион Федеральное государственное бюджетное образовательное учреждение высшего образования "Северо-Западный государственный медицинский университет имени И.И. Мечникова" Министерства здравоохранения Российской Федерации , г Санкт-Петербург

Конкурс №90 - Конкурс 2024 года «Проведение фундаментальных научных исследований и поисковых научных исследований малыми отдельными научными группами» (региональный конкурс)

Область знания, основной код классификатора 05 - Фундаментальные исследования для медицины; 05-227 - Гастроэнтерология и гепатология

Ключевые слова Система поддержки принятия решений, обработка и анализ изображений, нейронные сети, глубокое обучение, воспалительные заболевания кишечника, язвенный колит, болезнь Крона

Код ГРНТИ76.29.00


 

ИНФОРМАЦИЯ ИЗ ЗАЯВКИ


Аннотация
Воспалительные заболевания кишечника (ВЗК) являются одной из самых актуальных и нерешенных проблем для современной гастроэнтерологии и мирового здравоохранения в целом. К основным формам ВЗК относят болезнь Крона (БК) и язвенный колит (ЯК), которые являются многофакторными иммуноопосредованными заболеваниями с хроническим и рецидивирующим течением. Ввиду склонности к прогредиентному течению и наиболее частой манифестацией заболевания в трудоспособном возрасте (средний возраст пациентов 25–40 лет), ВЗК вносит свой вклад в бремя социальной значимости. В России, как и во всем мире, за последние десятилетия отмечается неуклонный рост уровня заболеваемости ВЗК. В связи с особенностью течения ВЗК занимают одну из ведущих позиций среди заболеваний ЖКТ по тяжести течения, по уровню инвалидизации и по частоте осложнений. Своевременная и правильная диагностика является одним из наиболее важных условий для успешного лечения ВЗК. Диагностика ВЗК требует междисциплинарного похода: верификация диагноза осуществляется на основании клинических, эндоскопических, радиологических и гистологических данных. Несвоевременная диагностика ВЗК приводит к увеличению частоты рецидивов, тяжелых форм заболеваний, оперативных вмешательств, что часто приводит к инвалидизации трудоспособного населения. На практике диагноз устанавливается посредством анализа клинико-лабораторных данных, эндоскопической картины при выполнении видеоколоноскопии и морфологических данных. Поэтому существует потребность в разработке системы, обеспечивающей поддержку принятия врачебных решения (СППВР) при диагностике воспалительных заболеваний кишечника. В России средний срок постановки диагноза от появления первых симптомов заболевания составляет от 1 до 1,5 лет при ЯК и 2,5–3,5 года при БК. Такой срок верификации диагноза связан в первую очередь с отсутствием единой методики выявления и дифференциации между формами ВЗК, т.н. «золотого стандарта». Трудности при дифференциации между БК и ЯК могут возникнуть, если воспаление при БК ограничено толстой кишкой, в связи с тем, что эндоскопические и гистологические признаки БК и ЯК могут частично совпадать. Таким образом, высокая социальная значимость и отсутствие единого взгляда на проблему диагностики ВЗК, требуют разработки новых алгоритмов и методик для выявления и дифференциации форм ВЗК. С математической точки зрения данная задача эквивалентна созданию модели, которая бы относила полученное от пациента эндоскопическое или гистологическое изображение к одному из трёх классов – отсутствию патологии, язвенному колиту или болезни Крона. Для её разработки возможно применение методов искусственного интеллекта и свёрточных нейронных сетей, уже продемонстрировавших высокую эффективность при классифицировании изображений, полученных из различных источников. Исследования в данном направлении уже проводились, однако к настоящему моменту не было создано и внедрено в практику каких-либо математических моделей, которые могли бы выявлять у пациентов наличие у них ВЗК с высокой точностью. Итоговым результатом работы должно стать создание СППВР, способной обрабатывать результаты эндоскопических, гистологических и лабораторных обследований и клинических данных, и делать заключение о наличие у пациента ВЗК, а также производить дифференциальную диагностику болезни Крона и язвенного колита. Использование СППВР в практическом здравоохранении позволит повысить точность и эффективность диагностического процесса. Точность и своевременность выявления правильного диагноза ВЗК приведет к уменьшению частоты оперативных вмешательств, риска возникновения осложнений, потребности в дорогостоящей биологической терапии. Можно предположить, что использование СППР при диагностике ВЗК поможет снизить уровень инвалидизации и летальности.


 

ОТЧЁТНЫЕ МАТЕРИАЛЫ


Аннотация результатов, полученных в 2024 году
Разработаны базы данных: 1) база клинико-лабораторных данных пациентов с воспалительными заболеваниями кишечника и синдромом раздраженного кишечника, всего 1418 пациентов; 2) база цифровых эндоскопических изображений пациентов с воспалительными заболеваниями кишечника и с неизмененной слизистой – всего 5693 цифровых изображений; 3) база цифровых гистологических изображений пациентов с воспалительными заболеваниями кишечника и с неизмененной слизистой – всего 8620 цифровых изображений; 4) база пациентов с язвенным колитом для определения прогноза течения заболевания – включено 140 пациентов. Для анализа клинико-лабораторных данных разработаны две искусственных нейронных сети, которые давали заключение сначала о наличии патологии (чувствительность 92,7%, специфичность – 99,0%), а далее – о виде воспалительного заболевания кишечника – язвенный колит или болезнь Крона (выявляемость болезни Крона 70,16%, язвенного колита - 86,40%). Для анализа эндоскопических изображений была создана искусственная нейронная сеть на основе VGG16, чувствительность и специфичность которой для выявления болезни Крона составила 91% и 79%, язвенного колита – 90% и 97%, отсутствия ВЗК (условно – норма) – 90% и 97%, соответственно. Для анализа морфологических изображений была создана искусственная нейронная сеть на основе VGG16, чувствительность и специфичность которой для выявления болезни Крона составила 91% и 95%, язвенного колита – 96% и 95%, отсутствия ВЗК (условно – норма) – 96% и 93%, соответственно. На основании полученных результатов разработана сводная модель, которая последовательно анализирует клинико-лабораторные данные, эндоскопические и гистологические цифровые изображения, и дает заключение о наличии и виде воспалительного заболевания кишечника. Подана заявка на патент "Способ прогнозирования развития новых случаев внекишечных проявлений у пациентов с легкой и среднетяжелой атакой язвенного колита через 6 месяцев". Регистрационный номер 2024120396, дата подачи заявки 19.07.2024 Подана заявка на патент "Способ прогнозирования развития стероидозависимости у пациентов с легкой и среднетяжелой атакой язвенного колита через 12 месяцев". Регистрационный номер 2024120782, дата подачи заявки 23.07.2024

 

Аннотация результатов, полученных в 2025 году
За выполненный период разработаны модели, позволяющие прогнозировать течение язвенного колита (ЯК) на основе бинарной логистической регрессии: 1) прогнозирование развития клинической ремиссии через 12 месяцев: чувствительность и специфичность модели при данном пороговом значении составили 71,1% и 68,4%, соответственно, общая точность – 75,4%.; 2) прогнозирование развития эндоскопической ремиссии через 12 месяцев: чувствительность составила 90,9%, специфичность - 82,6%, общая точность - 86,7%; 3) прогнозирование развития гистологической ремиссии через 12 месяцев: чувствительность составила 82,4%, специфичность 55,6%, общая точность модели 70,5%; 4) прогнозирование развития внекишечных проявлений (периферической артропатии) через 12 месяцев: чувствительность модели составила 80,4%, специфичность – 80,9%, а общая точность модели – 80,6%. При анализа предикторов развития стероидозависимости, увеличения протяженности ЯК и тяжести атаки через 12 месяцев, количество развившихся исходов было недостаточным для построения логистических регрессий, в связи с чем было принято решение выявления признаков, ассоциированных с развитием исхода с помощью использования поправки Бонферрони на множественные сравнения ввиду вероятных ложных итоговых показателей точности. При попытке построения искусственных нейронных сетей для прогнозирования течения ЯК их показатели точности были низкими, вследствие чего были реализованы бинарные логистические модели. Разработка графического интерфейса системы поддержки принятия врачебных решений осуществлялась в текстовом редакторе Visual Studio Code на языке Python с использованием событийно-ориентированной графической библиотеки Tkinter. Разработанная программа позволяет вносить данные пациента и регистрировать его, загружать цифровые изображения для определения вероятного диагноза, а также получать заключение о прогнозировании течения ЯК. По завершении обследования пользователь может сохранить введенную информацию в базе данных. Проведена апробация модели диагностики и дифференциальной диагностики: включено 85 пациентов (28,2% – синдром раздраженного кишечника (СРК), 29,4% – болезнь Крона (БК), 42,4% – ЯК). По результатам апробации точность обобщённой модели на основе сетей Байеса оказалась равна 97%. Для апробации прогностических моделей были включены 30 пациентов, которые не были ранее включены в разработку экспериментальных моделей. При прогнозировании развития гистологической ремиссии чувствительность составила 71,4%, специфичность – 69,6%; периферической артропатии – чувствительность 80,0%, специфичность – 65,0%; клинической ремиссии через 12 мес. - чувствительность 50,0%, специфичность 55,6%; эндоскопической ремиссии – чувствительность 54,5%, специфичность – 73,7%. Данные результаты могут быть связаны с небольшим количеством включенных пациентов в апробацию в связи с трудностью набора пациентов (особенности распространенности ЯК в Российской Федерации и необходимость тщательного обследования). В результате работы были получены: 1. Патент № 2837134 C1 Российская Федерация, МПК A61B 1/31. Способ прогнозирования развития новых случаев внекишечных проявлений у пациентов с легкой и среднетяжелой атакой язвенного колита через 6 месяцев : заявл. 19.07.2024 : опубл. 26.03.2025 / И. Г. Бакулин, И. А. Расмагина 2. Патент № 2837135 C1 Российская Федерация, МПК A61B 1/31. Способ прогнозирования риска развития стероидозависимости у пациентов с легкой и среднетяжелой атакой язвенного колита : заявл. 23.07.2024 : опубл. 26.03.2025 / И. Г. Бакулин, И. А. Расмагина 3. Свидетельство о государственной регистрации программы для ЭВМ № 2025686041 Российская Федерация. Программа скрининга воспалительных заболеваний кишечника с использованием искусственного интеллекта на основе анализа клинико-лабораторных данных : заявл. 08.09.2025 : опубл. 29.09.2025 / И. Г. Бакулин, И. А. Расмагина, Г. А. Машевский [и др.]. 4. Патент № 2844512 C1 Российская Федерация, МПК G01N 33/68, G16H 50/20. Способ дифференциальной диагностики воспалительных заболеваний кишечника и синдрома раздраженного кишечника на основе анализа клинико-лабораторных данных с помощью искусственного интеллекта : заявл. 24.12.2024 : опубл. 01.08.2025 / И. Г. Бакулин, И. А. Расмагина, М. И. Скалинская [и др.] Статьи: 1. Искусственный интеллект в диагностике воспалительных заболеваний кишечника: фокус на клинико-лабораторные показатели / И. Г. Бакулин, И. А. Расмагина, Г. А. Машевский [и др.] // Колопроктология. – 2025. – Т. 24, № 2(92). – С. 33-41. – DOI 10.33878/2073-7556-2025-24-2-33-41. (Scopus, RSCI, др. базы данных (Google Scholar)) 2. Бакулин И.Г., Расмагина И.А., Машевский Г.А., Шелякина Н.М. Прогностические маркеры достижения эндоскопической ремиссии через 12 месяцев терапии при легкой и среднетяжелой атаке язвенного колита. Колопроктология. 2025;24(4):71-79. https://doi.org/10.33878/2073-7556-2025-24-4-71-79 (Scopus, RSCI, др. базы данных (Google Scholar)) 3. Дифференциальная диагностика воспалительных заболеваниях кишечника с использованием искусственного интеллекта: анализ мультимодальных медицинских данных / И. Г. Бакулин, И. А. Расмагина, Г. А. Машевский [и др.] // Биомедицинская радиоэлектроника. – 2025. – Т. 28, № 5. – С. 69-73. – DOI 10.18127/j15604136-202505-14. (RSCI) 4. Бакулин И.Г., Расмагина И.А., Машевский Г.А., Шелякина Н.М., Арутюнян Г.Ф. Факторы риска развития стероидозависимости у пациентов с язвенным колитом. Доктор.Ру. 2025;24(8):15–19. DOI: 10.31550/1727-2378-2025-24-8-15-19 (Scopus, RSCI, другие базы данных (WorldCat, Ulrich's Periodicals Directory, Scilit)) Приняты в печать: 1. Бакулин И.Г., Расмагина И.А., Машевский Г.А., Шелякина Н.М. Ранние предикторы периферического поражения суставов у пациентов с легким и среднетяжелым язвенным колитом. Доказательная гастроэнтерология. 2025;14(4):?–?. https :// do i . org /10.17116/ dokgastro 202514041 ? (Scopus, RSCI, другие базы данных (EBSCOhost, Ulrich's Periodicals Directory, Google Scholar)) 2. И.Г. Бакулин, Г.А. Машевский, И.А Расмагина, Н.М. Шелякина, Г.Ф. Арутюнян. Система для комплексной дифференциальной диагностики воспалительных заболеваний кишечника. Медицинская техника. 2025; 6:?-?. (RSCI)

 

Публикации

1. Бакулин И.Г., Расмагина И.А., Машевский Г.А., Шелякина Н.М. Прогностические маркеры достижения эндоскопической ремиссии через 12 месяцев терапии при легкой и среднетяжелой атаке язвенного колита Колопроктология, 24(4):71-79 (год публикации - 2025)
10.33878/2073-7556-2025-24-4-71-79

2. Бакулин И.Г., Расмагина И.А., Машевский Г.А., Шелякина Н.М., Арутюнян Г.Ф. Искусственный интеллект в диагностике воспалительных заболеваний кишечника: фокус на клинико-лабораторные показатели Колопроктология, Т. 24, № 2(92). – С. 33-41. (год публикации - 2025)
10.33878/2073-7556-2025-24-2-33-41

3. Бакулин И.Г., Расмагина И.А., Машевский Г.А., Шелякина Н.М., Арутюнян Г.Ф. Дифференциальная диагностика воспалительных заболеваниях кишечника с использованием искусственного интеллекта: анализ мультимодальных медицинских данных Биомедицинская радиоэлектроника, Т. 28, № 5. – С. 69-73. (год публикации - 2025)
10.18127/j15604136-202505-14

4. Бакулин И.Г., Расмагина И.А., Машевский Г.А., Шелякина Н.М., Арутюнян Г.Ф. Факторы риска развития стероидозависимости у пациентов с язвенным колитом Доктор.Ру, 24(8):15–19 (год публикации - 2025)
10.31550/1727-2378-2025-24-8-15-19

5. Бакулин И.Г., Расмагина И.А., Машевский Г.А., Шелякина Н.М. Ранние предикторы периферического поражения суставов у пациентов с легким и среднетяжелым язвенным колитом Доказательная гастроэнтерология (год публикации - 2025)

6. Бакулин И.Г., Машевский Г.А., Расмагина И.А, Шелякина Н.М., Арутюнян Г.Ф. Система для комплексной дифференциальной диагностики воспалительных заболеваний кишечника Медицинская техника (год публикации - 2025)