ЖурналыПодпискаАрхивКнигиПроектыО насРекламаДоставка/ОплатаКонтакты
+7 (495) 482-43-29
  • Главная
  • / Журналы
  • / Вернуться в журнал
  • / Содержание номера
  • / Статья
Эволюция технологий искусственного интеллекта в эндоскопии и анализ их возможностей

Эволюция технологий искусственного интеллекта в эндоскопии и анализ их возможностей

Авторы:
Эдгар Хажакович Самсонян,
Ксения Александровна Пархоменко,
Сергей Иванович Емельянов

Журнал: Эндоскопическая хирургия. 2026;32(2):63-72.

DOI: 10.17116/endoskop20263202163

Прочитано: 614 раз

Резюме

В последние годы искусственный интеллект (ИИ) все активнее внедряется в эндоскопическую практику и рассматривается как одно из приоритетных направлений развития визуальной диагностики. В ходе проведенного анализа отражены разработки, направленные на автоматизированное выявление и характеристику новообразований желудочно-кишечного тракта, оценку глубины инвазии, контроль полноты и качества осмотра, стандартизацию фотодокументации, стратификацию риска и поддержку обучения начинающих эндоскопистов.

ЦЕЛЬ ОБЗОРА

Обобщение текущего состояния технологий ИИ в эндоскопии, оценка их клинической значимости и выявление ключевых ограничений, которые сдерживают широкое применение в клинической практике. Представленные данные демонстрируют, что современные алгоритмы способны повышать диагностическую эффективность и снижать вариабельность результатов между специалистами. Применение ИИ позволяет нивелировать влияние человеческого фактора и уровня опыта на качество визуального осмотра, а также может служить инструментом для формирования практического опыта у начинающих эндоскопистов. Это свидетельствует о высоком потенциале ИИ не только как диагностического инструмента, но и как средства оптимизации процессов и поддержки обучения. Вместе с тем сохраняется необходимость в дальнейших многоцентровых исследованиях, разработках более универсальных и интегрированных решений, а также в оценке долгосрочного влияния современных алгоритмов на клиническую практику.

Ключевые слова

  • искусственный интеллект
  • колоноскопия
  • эзофагогастродуоденоскопия
  • автоматизированное выявление
  • качество осмотра
  • анализ эндоскопических изображений
  • опухоли желудочно-кишечного тракта

Дата поступления: 16.12.2025

Дата принятия в печать: 25.12.2025

Дата публикации: 16.04.2026

Литература / References
  1. Karkanis SA, Iakovidis DK, Maroulis DE, Karras DA, Tzivras M. Computer-aided tumor detection in endoscopic video using color wavelet features. IEEE Trans Inf Technol Biomed. 2003;7(3):141-152. https://doi.org/10.1109/titb.2003.813794
  2. Arif AA, Jiang SX, Byrne MF. Artificial intelligence in endoscopy: Overview, applications, and future directions. Saudi J Gastroenterol. 2023;29(5):269-277. https://doi.org/10.4103/sjg.sjg_286_23
  3. Ishtiaq R, Zulfiqar L, Gangwani MK, Aziz M. Adenoma detection rate vs. adenoma per colonoscopy as quality indicators for colon cancer screening. Transl Gastroenterol Hepatol. 2023;8:24. https://doi.org/10.21037/tgh-22-92
  4. Wang P, Berzin TM, Glissen Brown JR, Bharadwaj S, Becq A, Xiao X, Liu P, Li L, Song Y, Zhang D, Li Y, Xu G, Tu M, Liu X. Real-time automatic detection system increases colonoscopic polyp and adenoma detection rates: a prospective randomised controlled study. Gut. 2019;68(10):1813-1819. https://doi.org/10.1136/gutjnl-2018-317500
  5. Gong D, Wu L, Zhang J, Mu G, Shen L, Liu J, Wang Z, Zhou W, An P, Huang X, Jiang X, Li Y, Wan X, Hu S, Chen Y, Hu X, Xu Y, Zhu X, Li S, Yao L, He X, Chen D, Huang L, Wei X, Wang X, Yu H. Detection of colorectal adenomas with a real-time computer-aided system (ENDOANGEL): a randomised controlled study. Lancet Gastroenterol Hepatol. 2020;5(4):352-361. https://doi.org/10.1016/S2468-1253(19)30413-3
  6. Karsenti D, Tharsis G, Perrot B, Cattan P, Percie du Sert A, Venezia F, Zrihen E, Gillet A, Lab JP, Tordjman G, Cavicchi M. Effect of real-time computer-aided detection of colorectal adenoma in routine colonoscopy (COLO-GENIUS): a single-centre randomised controlled trial. Lancet Gastroenterol Hepatol. 2023;8(8):726-734. https://doi.org/10.1016/S2468-1253(23)00104-8
  7. Makar J, Abdelmalak J, Con D, Hafeez B, Garg M. Use of artificial intelligence improves colonoscopy performance in adenoma detection: a systematic review and meta-analysis. Gastrointest Endosc. 2025;101(1):68-81.e8. https://doi.org/10.1016/j.gie.2024.08.033
  8. Lu Z, Xu Y, Yao L, Zhou W, Gong W, Yang G, Guo M, Zhang B, Huang X, He C, Zhou R, Deng Y, Yu H. Real-time automated diagnosis of colorectal cancer invasion depth using a deep learning model with multimodal data (with video). Gastrointest Endosc. 2022;95(6):1186-1194.e3. https://doi.org/10.1016/j.gie.2021.11.049
  9. Патент РФ на изобретение № 2020666086 / 04.12.2020. Бюл. №12. Хрящев В.В., Завьялов Д.В., Кашин С.В., Ивановский Л.И., Лебедев А.А. Colonoscopyvideoanalysis — программа для дифференциации глубины инвазии опухоли в онкологической диагностике на основе методов искусственного интеллекта. Ссылка активна на 16.12.2025. https://www1.fips.ru/registers-doc-view/fips_servlet?DB=EVM&rn=2544&DocNumber=2020666086&TypeFile=html
  10. Ачкасов С.И., Шелыгин Ю.А., Шабунин А.В., Коржева И.Ю., Федоров Е.Д., Камалетдинова Ю.Ю., Шахматов Д.Г., Ликутов А.А., Назаров И.В., Горбачев Е.В., Мингазов А.Ф. Эффективность системы искусственного интеллекта ArtInCol в диагностике новообразований при колоноскопии: результаты многоцентрового рандомизированного исследования. Колопроктология. 2025;24(3):12-21. https://doi.org/10.33878/2073-7556-2025-24-3-12-21
  11. Завьялов Д.В., Кашин С.В., Гусейнова С.Р. Система CAD EYE для детекции и дифференцировки новообразований толстой кишки в режиме реального времени. Доказательная гастроэнтерология. 2024;13(2):50-54. https://doi.org/10.17116/dokgastro20241302150
  12. Hirasawa T, Aoyama K, Tanimoto T, Ishihara S, Shichijo S, Ozawa T, Ohnishi T, Fujishiro M, Matsuo K, Fujisaki J, Tada T. Application of artificial intelligence using a convolutional neural network for detecting gastric cancer in endoscopic images. Gastric Cancer. 2018;21(4):653-660. https://doi.org/10.1007/s10120-018-0793-2
  13. He X, Wu L, Dong Z, Gong D, Jiang X, Zhang H, Ai Y, Tong Q, Lv P, Lu B, Wu Q, Yuan J, Xu M, Yu H. Real-time use of artificial intelligence for diagnosing early gastric cancer by magnifying image-enhanced endoscopy: a multicenter diagnostic study (with videos). Gastrointest Endosc. 2022;95(4):671-678.e4. https://doi.org/10.1016/j.gie.2021.11.040
  14. Luo H, Xu G, Li C, He L, Luo L, Wang Z, Jing B, Deng Y, Jin Y, Li Y, Li B, Tan W, He C, Seeruttun SR, Wu Q, Huang J, Huang DW, Chen B, Lin SB, Chen QM, Yuan CM, Chen HX, Pu HY, Zhou F, He Y, Xu RH. Real-time artificial intelligence for detection of upper gastrointestinal cancer by endoscopy: a multicentre, case-control, diagnostic study. Lancet Oncol. 2019;20(12):1645-1654. https://doi.org/10.1016/S1470-2045(19)30637-0
  15. Wu L, Xu M, Jiang X, He X, Zhang H, Ai Y, Tong Q, Lv P, Lu B, Guo M, Huang M, Ye L, Shen L, Yu H. Real-time artificial intelligence for detecting focal lesions and diagnosing neoplasms of the stomach by white-light endoscopy (with videos). Gastrointest Endosc. 2022;95(2):269-280.e6. https://doi.org/10.1016/j.gie.2021.09.017
  16. Dong Z, Wu L, Du H, Tao X, Wang J, Zeng X, Zhu Y, Tan S, Wang J, Deng M, Yang T, Yu L, Yu H. Artificial intelligence as a surrogate for improving detection and standardization in upper endoscopy: a multicenter randomized controlled trial. Lancet Reg Health West Pac. 2025;55S1:101308. https://doi.org/10.1016/j.lanwpc.2024.101308
  17. Nagao S, Tsuji Y, Sakaguchi Y, Takahashi Y, Minatsuki C, Niimi K, Yamashita H, Yamamichi N, Seto Y, Tada T, Koike K. Highly accurate artificial intelligence systems to predict the invasion depth of gastric cancer: efficacy of conventional white-light imaging, nonmagnifying narrow-band imaging, and indigo-carmine dye contrast imaging. Gastrointest Endosc. 2020;92(4):866-873.e1. https://doi.org/10.1016/j.gie.2020.06.047
  18. Kim JH, Oh SI, Han SY, Keum JS, Kim KN, Chun JY, Youn YH, Park H. An Optimal Artificial Intelligence System for Real-Time Endoscopic Prediction of Invasion Depth in Early Gastric Cancer. Cancers (Basel). 2022;14(23):6000. https://doi.org/10.3390/cancers14236000
  19. Zhang L, Luo R, Tang D, Zhang J, Su Y, Mao X, Ye L, Yao L, Zhou W, Zhou J, Lu Z, Zhang M, Xu Y, Deng Y, Huang X, He C, Xiao Y, Wang J, Wu L, Li J, Zou X, Yu H. Human-Like Artificial Intelligent System for Predicting Invasion Depth of Esophageal Squamous Cell Carcinoma Using Magnifying Narrow-Band Imaging Endoscopy: A Retrospective Multicenter Study. Clin Transl Gastroenterol. 2023;14(10):e00606. https://doi.org/10.14309/ctg.0000000000000606
  20. Ling T, Wu L, Fu Y, Xu Q, An P, Zhang J, Hu S, Chen Y, He X, Wang J, Chen X, Zhou J, Xu Y, Zou X, Yu H. A deep learning-based system for identifying differentiation status and delineating the margins of early gastric cancer in magnifying narrow-band imaging endoscopy. Endoscopy. 2021;53(5):469-477. https://doi.org/10.1055/a-1229-0920
  21. An P, Yang D, Wang J, Wu L, Zhou J, Zeng Z, Huang X, Xiao Y, Hu S, Chen Y, Yao F, Guo M, Wu Q, Yang Y, Yu H. A deep learning method for delineating early gastric cancer resection margin under chromoendoscopy and white light endoscopy. Gastric Cancer. 2020;23(5):884-892. https://doi.org/10.1007/s10120-020-01071-7
  22. Li B, Dong YL, Liu JY, Tan WM, He DL, Qi ZP, Yu HH, Shi Q, Ren Z, Cai MY, Cai SL, Yan B, Zhong YS. Application of artificial intelligence lesion labeling system-assisted endoscopic submucosal dissection for the treatment of esophageal lesions in a low-volume center: a prospective cohort study. Int J Surg. 2025;111(9):6093-6101. https://doi.org/10.1097/JS9.0000000000002748
  23. Li N, Yang J, Li X, Shi Y, Wang K. Accuracy of artificial intelligence-assisted endoscopy in the diagnosis of gastric intestinal metaplasia: A systematic review and meta-analysis. PLoS One. 2024;19(5):e0303421. https://doi.org/10.1371/journal.pone.0303421
  24. Tao X, Zhu Y, Dong Z, Huang L, Shang R, Du H, Wang J, Zeng X, Wang W, Wang J, Li Y, Deng Y, Wu L, Yu H. An artificial intelligence system for chronic atrophic gastritis diagnosis and risk stratification under white light endoscopy. Dig Liver Dis. 2024;56(8):1319-1326. https://doi.org/10.1016/j.dld.2024.01.177
  25. Zhang M, Pan J, Lin J, Xu M, Zhang L, Shang R, Yao L, Li Y, Zhou W, Deng Y, Dong Z, Zhu Y, Tao X, Wu L, Yu H. An explainable artificial intelligence system for diagnosing Helicobacter Pylori infection under endoscopy: a case-control study. Therap Adv Gastroenterol. 2023;16:17562848231155023. https://doi.org/10.1177/17562848231155023
  26. Li J, Hu S, Shi C, Dong Z, Pan J, Ai Y, Liu J, Zhou W, Deng Y, Li Y, Yuan J, Zeng Z, Wu L, Yu H. A deep learning and natural language processing-based system for automatic identification and surveillance of high-risk patients undergoing upper endoscopy: A multicenter study. Eur Clin Med. 2022;53:101704. https://doi.org/10.1016/j.eclinm.2022.101704
  27. Tan X, Yao L, Dong Z, Li Y, Yu Y, Gao X, Zhu K, Su W, Yin H, Wang W, Luo C, Li J, You H, Hu H, Zhou W, Yu H.Artificial Intelligence as a Surrogate for Inspection Time to Assess Completeness in Esophagogastroduodenoscopy: A Prospective, Randomized, Noninferiority Study. Clin Transl Gastroenterol. 2025;16(6):e00839. https://doi.org/10.14309/ctg.0000000000000839
  28. Ahn BY, Lee J, Seol J, Kim JY, Chung H. Evaluation of an artificial intelligence-based system for real-time high-quality photodocumentation during esophagogastroduodenoscopy. Sci Rep. 2025;15:4693. https://doi.org/10.1038/s41598-024-83721-9
  29. Xu C, Zhu Y, Wu L, Yu H, Liu J, Zhou F, Xiong Q, Wang S, Cui S, Huang X, Yin A, Xu T, Lei S, Xia Z. Evaluating the effect of an artificial intelligence system on the anesthesia quality control during gastrointestinal endoscopy with sedation: a randomized controlled trial. BMC Anesthesiol. 2022;22(1):313. https://doi.org/10.1186/s12871-022-01796-1
  30. Kim SH, Lim YJ. Artificial Intelligence in Capsule Endoscopy: A Practical Guide to Its Past and Future Challenges. Diagnostics (Basel). 2021;11(9):1722. https://doi.org/10.3390/diagnostics11091722
  31. Dhali A, Kipkorir V, Maity R, Srichawla BS, Biswas J, Rathna RB, Bharadwaj HR, Ongidi I, Chaudhry T, Morara G, Waithaka M, Rugut C, Lemashon M, Cheruiyot I, Ojuka D, Ray S, Dhali GK. Artificial Intelligence-Assisted Capsule Endoscopy Versus Conventional Capsule Endoscopy for Detection of Small Bowel Lesions: A Systematic Review and Meta-Analysis. J Gastroenterol Hepatol. 2025;40(5):1105-1118. https://doi.org/10.1111/jgh.16931
  32. Qin K, Li J, Fang Y, Xu Y, Wu J, Zhang H, Li H, Liu S, Li Q. Convolution neural network for the diagnosis of wireless capsule endoscopy: a systematic review and meta-analysis. Surg Endosc. 2022;36(1):16-31. https://doi.org/10.1007/s00464-021-08689-3
  33. Bang CS, Lee JJ, Baik GH. Computer-Aided Diagnosis of Gastrointestinal Ulcer and Hemorrhage Using Wireless Capsule Endoscopy: Systematic Review and Diagnostic Test Accuracy Meta-analysis. J Med Internet Res. 2021;23(12):e33267. https://doi.org/10.2196/33267
  34. Mohan BP, Khan SR, Kassab LL, Ponnada S, Chandan S, Ali T, Dulai PS, Adler DG, Kochhar GS. High pooled performance of convolutional neural networks in computer-aided diagnosis of GI ulcers and/or hemorrhage on wireless capsule endoscopy images: a systematic review and meta-analysis. Gastrointest Endosc. 2021;93(2):356-364.e4. https://doi.org/10.1016/j.gie.2020.07.038
  35. O‘Hara FJ, Mc Namara D. Capsule endoscopy with artificial intelligence-assisted technology: Real-world usage of a validated AI model for capsule image review. Endosc Int Open. 2023;11(10):E970-E975. https://doi.org/10.1055/a-2161-1816
slide-cover
slide-cover
slide-cover
slide-cover

Рекомендуем статьи по данной теме:

Сравнение эффективности и безопасности ремифентанила и фентанила при эндоскопических вмешательствах у взрослых: систематический обзор и метаанализ рандомизированных контролируемых исследований.Анестезиология и реаниматология. 2026;(4):73-89

Электронная аускультация легких в пульмонологии: от клинического навыка к цифровой диагностике.Респираторная медицина. 2026;2(2):47-55

Искусственный интеллект в респираторной медицине.Респираторная медицина. 2026;2(2):21-29

Онкоскрининг и раннее выявление рака слизистой оболочки рта методом анализа фотоизображений с применением нейросетей.Российская стоматология. 2026;19(2):12-16

Оценка эффективности цифровых технологий и искусственного интеллекта для использования в режиме реального времени в скрининге рака шейки матки.Онкология. Журнал им. П.А. Герцена. 2026;15(3):43-49

Прогнозирование 90-дневной послеоперационной летальности после эзофагэктомии с использованием технологии машинного обучения: сравнительная оценка модели с зарубежными аналогами.Онкология. Журнал им. П.А. Герцена. 2026;15(3):22-26

Цифровые технологии в диагностике и лечении нарушений сна при посттравматическом стрессовом расстройстве.Журнал неврологии и психиатрии им. С.С. Корсакова. Спецвыпуски. 2026;126(5-2):87-94

Предиктивная эпилептология: формирование новой парадигмы управления эпилептическими приступами.Журнал неврологии и психиатрии им. С.С. Корсакова. 2026;126(5):14-20

Прогнозирование успеха дентальной имплантации с использованием искусственного интеллекта и машинного обучения.Российская стоматология. 2026;19(1-2):165-173

Оценка ключевых показателей качества скрининговой колоноскопии с использованием системы искусственного интеллекта.Доказательная гастроэнтерология. 2025;14(4):56-64

Издательство «Медиа Сфера»
РекламаДоставка/ОплатаО насКонтактыОбучение для редакцийПолитика конфиденциальностиПолитика обработки персональных данныхПубличная оферта на реализацию издательской продукции
ЖурналыПодпискаАрхивКнигиПроекты
  • RuStore

© 1998-2026

  • Телефоны издательства:

  • +7 (495) 482-41-18
  • +7 (495) 482-43-29

  • Прямой телефон отдела подписки
    (только по вопросам заказов и доставки журналов)

  • +7 (800) 250-18-12

  • пн-пт с 10:00 до 18:00

  • Telegram
  • VK
info@mediasphera.ru

  • Почтовый адрес:

  • Издательство «Медиа Сфера»,
    а/я 54, Москва, Россия, 127238

  • RuStore

© 1998-2026