Wykorzystanie sztucznej inteligencji w eozynofilowym zapaleniu przełyku

Dlaczego ma to znaczenie dla osób mających problemy z przełykaniem

Eozynofilowe zapalenie przełyku, w skrócie EoE, ciężko jest wymówić, a tym bardziej z nim żyć. To przewlekła choroba alergiczna przełyku — rurki, która przenosi pokarm z ust do żołądka — mogąca powodować bolesne przełykanie, zacinanie się pokarmu oraz długotrwałe bliznowacenie. Ten przegląd badań opisuje, jak sztuczna inteligencja (SI) może zmienić sposób wykrywania, diagnozowania i leczenia EoE, potencjalnie zmniejszając obciążenie pacjentów, którzy dziś muszą poddawać się powtarzanym procedurom i wieloletnim terapiom metodą prób i błędów.

Zrozumienie ukrytego problemu trawiennego

EoE stało się znacznie częstsze w ostatnich dekadach, szczególnie w Ameryce Północnej i Europie. Dorośli często opisują uczucie „zatrzymywania się” jedzenia w klatce piersiowej, a u dzieci mogą występować wymioty, utrata masy ciała lub zahamowanie wzrostu. Ponieważ objawy nakładają się z bardziej znanymi problemami, takimi jak refluks żołądkowo‑przełykowy, diagnoza bywa opóźniona o ponad dwa lata. W tym czasie przewlekłe zapalenie może usztywnić i zwęzić przełyk, zwiększając ryzyko zatrzymania pokarmu, a nawet pęknięć. Obecna opieka opiera się na endoskopii (giętka kamera) i drobnych biopsjach w celu poszukiwania skupisk określonych białych krwinek. Badania te są inwazyjne, muszą być powtarzane i nie zawsze korelują bezpośrednio z odczuciami pacjenta.

Jak inteligentne maszyny mogą pomóc

SI oznacza systemy komputerowe uczące się wzorców z danych i dokonujące prognoz lub decyzji. W EoE narzędzia SI są trenowane na różnych rodzajach danych medycznych: obrazach z endoskopów, preparatach mikroskopowych tkanek, pomiarach ciśnienia i rozciągliwości przełyku, markerach genetycznych i krwi oraz nawet zapisach medycznych. Niektóre modele potrafią już odróżnić EoE od schorzeń o podobnym obrazie z bardzo wysoką dokładnością albo wskazać pacjentów z zaburzeniami przełykania, którzy są szczególnie prawdopodobni do zdiagnozowania choroby i powinni być skierowani na dalsze badania. Inne analizują, jak bardzo przełyk się usztywnił lub jak komórki są ułożone w biopsji, ujawniając subtelne wzorce chorobowe, które mogą umknąć ludzkiemu oku.

Bardziej wyraźne obrazy i „mądrzejsze” mikroskopy

Endoskopia i analiza tkanek są sednem rozpoznawania EoE i oba obszary mogą zyskać dzięki SI. Systemy widzenia komputerowego trenowane na tysiącach obrazów z endoskopii mogą automatycznie rozpoznawać pierścienie, bruzdy i białe plamy typowe dla EoE, osiągając wyniki porównywalne z doświadczonymi specjalistami, a w niektórych badaniach przewyższając lekarzy w trakcie szkolenia. W patologii ręczne liczenie kluczowych komórek jest powolne i subiektywne. Nowe narzędzia cyfrowe napędzane SI potrafią przeskanować całe skrawki biopsji, zliczyć istotne komórki, zmierzyć uszkodzenie tkanek, a nawet śledzić inne komórki układu odpornościowego, takie jak komórki tuczne. Systemy te dorównują ekspertom pod względem dokładności, oferując jednocześnie spójne i powtarzalne wyniki. Z biegiem czasu mogą dostarczać natychmiastowe, ustandaryzowane raporty, które pomogą lekarzom precyzyjniej monitorować aktywność choroby i odpowiedź na leczenie.

Wskazówki w krwi, genach i codziennej opiece

Naukowcy wykorzystują także SI do przeszukiwania złożonych sygnałów biologicznych i codziennych danych klinicznych. Modele uczenia maszynowego trenowane na ekspresji genów i małych cząsteczkach regulacyjnych (microRNA) wykryły wzorce wyraźnie odróżniające EoE od refluksu i tkanki prawidłowej, a także mogą odzwierciedlać, jak dobrze pacjent odpowiada na terapię steroidami. Podobne podejścia mogłyby kiedyś przemienić próbkę krwi lub prosty wymaz w wiarygodny test śledzący chorobę bez konieczności powtarzanych endoskopii. Przegląd omawia też chatboty i modele językowe jako narzędzia do edukacji pacjenta. Wczesne testy pokazują, że dostępne systemy ogólnego zastosowania potrafią brzmieć przekonująco, lecz mieszają trafne informacje z błędami i niejasnościami, co podkreśla potrzebę starannego dostrojenia i nadzoru medycznego, zanim takie narzędzia będą mogły bezpiecznie wspierać osoby żyjące z EoE.

Równoważenie obietnic z ostrożnością

Pomimo entuzjazmu autorzy podkreślają, że SI nie jest cudownym lekiem. Wiele badań nad EoE opiera się na małych, wąskich grupach pacjentów, co rodzi obawy o uprzedzenia i ograniczoną wiarygodność w warunkach rzeczywistych. Złożone modele mogą zachowywać się jak „czarne skrzynki”, dając prognozy bez przejrzystych wyjaśnień, co utrudnia zaufanie, rozliczalność i regulacje. Przegląd opisuje pojawiające się zasady traktowania zaawansowanych algorytmów jako urządzeń medycznych, podkreślając konieczność dużych, zróżnicowanych zbiorów danych, przejrzystego testowania i ciągłego monitorowania. Jeśli te przeszkody zostaną pokonane, SI może pomóc przekształcić opiekę nad EoE z powolnego, inwazyjnego i uniwersalnego procesu w bardziej precyzyjną, terminową i mniej uciążliwą ścieżkę — pozwalając pacjentom szybciej otrzymać właściwą diagnozę i leczenie, przy mniejszej liczbie procedur i lepszych długoterminowych wynikach.

Cytowanie: Liberto, J.D., Snyder, D.L. & Codipilly, D.C. Leveraging artificial intelligence in eosinophilic esophagitis. npj Gut Liver 3, 13 (2026). https://doi.org/10.1038/s44355-025-00046-8

Słowa kluczowe: eozynofilowe zapalenie przełyku, sztuczna inteligencja w medycynie, obrazowanie endoskopowe, patologia cyfrowa, precyzyjna gastroenterologia