Использование искусственного интеллекта при эозинофильном эзофагите

Почему это важно для тех, кому трудно глотать

Эозинофильный эзофагит, или EoE, трудно произнести и ещё труднее с ним жить. Это хроническое аллергически опосредованное заболевание пищевода — трубки, по которой пища проходит от рта к желудку — которое может вызывать болезненное глотание, застревание пищи и длительное образование рубцовой ткани. В этом обзорном материале рассматривается, как искусственный интеллект (ИИ) может изменить подход врачей к обнаружению, диагностике и лечению EoE, потенциально снижая нагрузку на пациентов, которым сейчас приходится проходить повторные процедуры и годы проб и ошибок в терапии.

Понимание скрытой проблемы пищеварения

За последние десятилетия частота EoE существенно выросла, особенно в Северной Америке и Европе. У взрослых часто возникает ощущение, что пища «застревает» в груди, у детей — рвота, потеря веса или отставание в росте. Поскольку эти симптомы пересекаются с более привычными проблемами, такими как гастроэзофагеальная рефлюксная болезнь, постановка диагноза часто задерживается более чем на два года. За это время продолжающееся воспаление может сделать пищевод жёстким и узким, повышая риск застревания пищи и даже разрывов. Современная помощь основана на эндоскопии (гибкая камера) и крошечных биопсиях для поиска скоплений определённых белых кровяных клеток. Эти исследования инвазивны, их приходится повторять, и результаты не всегда точно коррелируют с тем, насколько тяжело пациент ощущает заболевание.

Как умные машины могут помочь

ИИ — это компьютерные системы, которые обучаются находить закономерности в данных и делать прогнозы или решения. В EoE инструменты ИИ обучают на разных видах медицинской информации: изображениях с эндоскопа, цифровых снимках микроскопических срезов ткани, измерениях давления и растяжимости пищевода, генетических и кровяных маркерах, а также на письменных медицинских записях. Некоторые модели уже умеют с очень высокой точностью отличать EoE от сходных заболеваний или отмечать пациентов с расстройством глотания, у которых особенно высока вероятность наличия болезни и которым следует направить дополнительные обследования. Другие анализируют, насколько жёстким стал пищевод, или как расположены клетки в биопсии, выявляя тонкие паттерны болезни, которые могут ускользать от человеческого глаза.

Более чёткие изображения и умные микроскопы

Эндоскопия и анализ тканей — основа диагностики EoE, и оба направления могут выиграть от ИИ. Системы компьютерного зрения, обученные на тысячах эндоскопических снимков, способны автоматически распознавать кольца, борозды и белые пятна, указывающие на EoE, показывая результаты не хуже опытных специалистов и лучше, чем стажёры в некоторых исследованиях. В патологии подсчёт ключевых клеток вручную медленный и субъективный. Новые цифровые инструменты на базе ИИ могут сканировать целые слайды биопсий, учитывать релевантные клетки, измерять повреждение ткани и даже отслеживать другие иммунные клетки, такие как тучные клетки. Эти системы сопоставимы с экспертными патологами по точности и при этом дают стабильные, воспроизводимые результаты. Со временем они могут обеспечивать мгновенные стандартизированные отчёты, помогающие врачам точнее отслеживать активность заболевания и ответ на лечение.

Подсказки в крови, генах и повседневной клинике

Исследователи также используют ИИ для анализа сложных биологических сигналов и повседневных клинических данных. Модели машинного обучения, обученные на данных экспрессии генов и малых регуляторных молекул (микроРНК), выделили паттерны, которые чётко отделяют EoE от рефлюкса и нормальной ткани, и возможно даже отражают, насколько хорошо пациент отвечает на стероидную терапию. Похожие подходы могут когда‑то превратить анализ крови или простой мазок в надёжный тест для мониторинга болезни без повторных эндоскопий. Обзор также рассматривает чат‑ботов на базе языковых моделей как инструменты для обучения пациентов. Ранние испытания показывают, что существующие универсальные системы могут звучать уверенно, но смешивают точные утверждения с ошибками и неясными формулировками, что подчёркивает необходимость тщательной настройки и медицинского контроля, прежде чем такие инструменты смогут безопасно поддерживать людей с EoE.

Сочетание обещаний и предосторожностей

Несмотря на оптимизм, авторы подчёркивают, что ИИ не является волшебным решением. Многие исследования EoE опираются на небольшие, однородные группы пациентов, что вызывает опасения по поводу предвзятости и ограниченной надёжности в реальной клинической практике. Сложные модели могут работать как «чёрные ящики», давая прогнозы без ясных объяснений, что осложняет доверие, ответственность и регулирование. Обзор описывает появляющиеся правила относительного признания продвинутых алгоритмов медицинскими устройствами, подчёркивая необходимость больших и разнообразных наборов данных, прозрачного тестирования и постоянного мониторинга. Если эти препятствия будут преодолены, ИИ может помочь преобразовать уход за EoE — от медленного, инвазивного и единого для всех процесса — в более точный, своевременный и менее обременительный путь, позволяя пациентам быстрее получать верный диагноз и адекватное лечение с меньшим количеством процедур и лучшими долгосрочными исходами.

Цитирование: 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

Ключевые слова: эозинофильный эзофагит, искусственный интеллект в медицине, эндоскопическая визуализация, цифровая патология, прецизионная гастроэнтерология