Передача стиля эндоскопических изображений желудочно-кишечного тракта с помощью EndoStyle для повышения точности моделей искусственного интеллекта

Более точная компьютерная помощь при проверках на рак толстой кишки

Колоноскопии спасают жизни, находя и удаляя небольшие образования — полипы — до того, как они превратятся в рак. Во многих больницах сейчас используют искусственный интеллект (ИИ), чтобы помогать врачам замечать эти крошечные поражения на видеоэкране. Но ИИ-инструменты часто дают сбой при переносе из одной клиники в другую, потому что изображения немного отличаются в зависимости от системы видеокамеры. В этом исследовании предложена новая методика, называемая EndoStyle, которая преобразует изображения колоноскопии так, чтобы ИИ-системы работали стабильно на разных аппаратах.

Почему эндоскопические изображения выглядят по-разному

Пациенту колоноскопия может показаться одинаковой, но в каждой клинике используются собственные видеопроцессоры и камеры. Эти устройства различаются по цветовой тональности, яркости, контрасту, резкости и даже по размеру и положению круглого изображения на экране. Для ИИ, обученного в одной больнице, такое «смещение домена» может оказаться серьёзным сюрпризом: новые кадры уже не соответствуют тому, чему он учился, и точность падает. Стандартные приёмы — зеркалирование, повороты или небольшие изменения яркости при обучении — не воспроизводят характерный внешний вид разных видеосистем. В результате коммерческие ИИ‑помощники обычно настраиваются под конкретное оборудование и могут хуже работать в других условиях.

Обучение изображений под стиль локальной камеры

Исследователи создали EndoStyle как цифрового переводчика между эндоскопическими системами. Он принимает кадр колоноскопии и целевой «стиль» (например, визуальный вид конкретного видеопроцессора) и выдаёт новое изображение, сохраняющее анатомию и полипы, но меняющее общий внешний вид в соответствии с целевым устройством. В основе EndoStyle — мощная сеть для трансформации изображений, дополненная моделью суперразрешения, которая повышает чёткость финального результата. Специальные меры предосторожности гарантируют, что важные признаки, такие как складки кишечника и тонкие плоские полипы, сохраняются, а не сглаживаются или случайно появляются.

Проверка, насколько подделка похожа на реальность

Чтобы оценить правдоподобие синтетических изображений EndoStyle, команда сначала сравнила их с реальными кадрами колоноскопии с помощью метрик компьютерного зрения, отражающих визуальную реалистичность и перцептуальное сходство. На пяти различных видеопроцессорах и при сотнях тысяч кадров преобразованные изображения в целом совпадали с реальными и по общему виду, и по детальной текстуре. Три независимые ИИ‑модели, обученные для анализа медицинских изображений, также признали новые картинки одновременно схожими с оригинальным содержимым и соответствующими стилю целевого устройства. Затем 22 опытных эндоскописта из 16 центров приняли участие в слепом эксперименте. Им показывали короткие видеозаписи колоноскопий и отдельные статические кадры, часть из которых была реальной, часть — сгенерированной EndoStyle. Врачам предлагалось определить, какие изображения были из одного и того же обследования. Они выбирали кадры EndoStyle почти так же часто, как и настоящие, и гораздо чаще, чем очевидные несоответствия, что подтверждает прохождение синтетических изображений «практической проверки».

Помощь ИИ в нахождении нужных полипов и отбрасывании шума

Авторы затем проверили, могут ли эти реалистичные изображения с подогнанным стилем действительно улучшить обнаружение полипов ИИ. Они обучили несколько систем обнаружения на смеси публичных изображений колоноскопий и кадров, сгенерированных EndoStyle и настроенных под два конкретных процессора Olympus, использованных в тестовых видеозаписях. Также рассматривался более сложный случай, когда исходные данные обучения были с другой марки (Fujifilm), которую EndoStyle не видел во время собственного обучения. В обоих ситуациях добавление синтетических изображений, адаптированных под целевой процессор, сделало модели ИИ более разборчивыми: количество ложных срабатываний сократилось примерно на четверть и более чем на 40 процентов в зависимости от конфигурации, в то время как чувствительность — доля обнаруженных истинных полипов — снизилась лишь умеренно. Важно, что синтетические изображения не создавали очевидных поддельных полипов, и большинство немного пропущенных поражений уже было трудно обнаружимо как для исходного ИИ, так и для коммерческих инструментов.

Что это может означать для пациентов и клиник

Показав, что можно создать реалистичные синтетические изображения, специфичные для конкретного процессора, и безопасно использовать их для обучения алгоритмов обнаружения, эта работа предлагает практичный способ сделать ИИ для колоноскопии более переносимым и надёжным. Вместо сбора и разметки больших новых наборов данных каждый раз при обновлении или смене оборудования в клинике, разработчики могли бы адаптировать существующие коллекции изображений к стилю нового устройства с помощью EndoStyle и дообучать свои системы с меньшими дополнительными затратами. Непосредственная выгода — ИИ, дающий меньше ложных тревог при сохранении способности находить большинство важных полипов, что делает инструменты менее отвлекающими и более надёжными для эндоскопистов. Со временем такие подходы к передаче стиля могут способствовать стандартизации работы ИИ между больницами, поддерживая как лучшую профилактику рака, так и более реалистичные тренажёры для будущих врачей.

Цитирование: Troya, J., Kafetzis, I., Weber, R. et al. Gastrointestinal endoscopic image style transfer using EndoStyle to improve artificial intelligence prediction models. npj Digit. Med. 9, 340 (2026). https://doi.org/10.1038/s41746-026-02693-4

Ключевые слова: колоноскопия, обнаружение полипов, медицинская визуализация ИИ, передача стиля, смещение домена