胃と腸56巻4号

2021年04月発行

今月の主題 消化管疾患AI診断の現状 主題

小腸疾患におけるAI診断—カプセル内視鏡

著者： 齋藤宏章¹ 中堀昌人¹ 平澤大¹ 青木智則² 山田篤生² 壷井章克³ 岡志郎³ 多田智裕⁴ 松田知己¹

所属機関： ¹仙台厚生病院消化器内科 ²東京大学大学院医学系研究科消化器内科 ³広島大学病院内視鏡診療科 ⁴株式会社AIメディカルサービス

ページ範囲：P.443 - P.450

要旨●小腸カプセル内視鏡検査における人工知能（AI）の活用が近年，盛んに議論されている．小腸カプセル内視鏡の臨床での活用，診断の向上は，これまでにも撮像機器・読影機器の開発によって後押しされてきた．AIによるこれらの技術の加速は必然とも考えられる．ディープラーニング隆盛以前から，小腸カプセル内視鏡分野においては，機械学習による画像診断の取り組みが行われており，一定の成果が示されてきた．2012年のディープラーニング技術の登場以降はよりいっそう，AIを用いた小腸カプセル内視鏡の画像診断の研究が盛んになっており，これまでに多くの研究結果が発表されている．本稿では，これまでに報告されてきた研究内容を紹介する．研究はより臨床に即した，包括的で，大規模なデータ量を扱う内容に深化しており，今後も注目される領域である．最後に今後の研究課題や，臨床導入に向けた課題をまとめる．

参考文献

1）Iddan G, Meron G, Glukhovsky A, et al. Wireless capsule endoscopy. Nature　405：417, 2000

2）Klang E. Deep learning and medical imaging. J Thorac Dis　10：1325-1328, 2018

3）Spyridonos P, Vilariño F, VitriàJ, et al. Anisotropic feature extraction from endoluminal images for detection of intestinal contractions. In Larsen R, Nielsen M, Sporring J（eds）. Medical Image Computing and Computer-Assisted Intervention—MICCAI 2006. Springer, Berlin, pp 161-168, 2006

4）Fu Y, Zhang W, Mandal M, et al. Computer-aided bleeding detection in WCE video. IEEE J Biomed Health Inform　18：636-642, 2014

5）Li B, Meng MQ-H. Tumor recognition in wireless capsule endoscopy images using textural features and SVM-based feature selection. IEEE Trans Inf Technol Biomed　16：323-329, 2012

6）Han S, Fahed J, Cave DR. Suspected blood indicator to identify active gastrointestinal bleeding：a prospective validation. Gastroenterology Res　11：106-111, 2018

7）Saurin JC, Lapalus MG, Cholet F, et al. Can we shorten the small-bowel capsule reading time with the “Quick-view” image detection system? Dig Liver Dis　44：477-481, 2012

8）Aoki T, Yamada A, Aoyama K, et al. Automatic detection of erosions and ulcerations in wireless capsule endoscopy images based on a deep convolutional neural network. Gastrointest Endosc　89：357-363, 2019

9）Leenhardt R, Vasseur P, Li C, et al. A neural network algorithm for detection of GI angiectasia during small-bowel capsule endoscopy. Gastrointest Endosc　89：189-194, 2019

10）Tsuboi A, Oka S, Aoyama K, et al. Artificial intelligence using a convolutional neural network for automatic detection of small-bowel angioectasia in capsule endoscopy images. Dig Endosc　32：382-390, 2020

11）Aoki T, Yamada A, Kato Y, et al. Automatic detection of blood content in capsule endoscopy images based on a deep convolutional neural network. J Gastroenterol Hepatol　35：1196-1200, 2020

12）Saito H, Aoki T, Aoyama K, et al. Automatic detection and classification of protruding lesions in wireless capsule endoscopy images based on a deep convolutional neural network. Gastrointest Endosc　92：144-151, 2020

13）Klang E, Grinman A, Soffer S, et al. Automated detection of Crohn's disease intestinal strictures on capsule endoscopy images using deep neural networks. J Crohns Colitis　2020［Epub ahead of print］

14）Otani K, Nakada A, Kurose Y, et al. Automatic detection of different types of small-bowel lesions on capsule endoscopy images using a newly developed deep convolutional neural network. Endoscopy　52：786-791, 2020

15）Aoki T, Yamada A, Kato Y, et al. Automatic detection of various abnormalities in capsule endoscopy videos by a deep learning-based system：a multicenter study. Gastrointest Endosc　93：165-173, 2021

16）Ding Z, Shi H, Zhang H, et al. Gastroenterologist-level identification of small-bowel diseases and normal variants by capsule endoscopy using a deep-learning model. Gastroenterology　157：1044-1054, 2019

17）Koulaouzidis A, Iakovidis DK, Yung DE, et al. KID Project：an internet-based digital video atlas of capsule endoscopy for research purposes. Endosc Int Open　5：E477-483, 2017

18）Aoki T, Yamada A, Aoyama K, et al. Clinical usefulness of a deep learning-based system as the first screening on small-bowel capsule endoscopy reading. Dig Endosc　32：585-591, 2020