ПРИМЕНЕНИЕ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА ПРИ АНАЛИЗЕ ЦИСТОСКОПИЧЕСКИХ ИЗОБРАЖЕНИЙ
Ключевые слова:
машинное обучение, цистоскопия, мочевой пузырь, медицинская визуализация, эндоскопическая диагностикаАннотация
В данной статье представлен обзор современных исследований, посвящённых применению искусственного интеллекта при анализе цистоскопических изображений. Проанализированы публикации 2020–2026 гг., в которых оценивалась эффективность методов машинного и глубокого обучения для автоматического выявления, классификации и сегментации патологических изменений мочевого пузыря. Рассмотрены современные архитектуры нейронных сетей, диагностические показатели разработанных моделей, а также вопросы создания стандартизированных баз данных и клинической валидации алгоритмов. Показано, что системы искусственного интеллекта демонстрируют высокую чувствительность и специфичность при диагностике опухолей мочевого пузыря и обладают значительным потенциалом в качестве систем поддержки принятия врачебных решений. Вместе с тем их широкое внедрение требует проведения крупных многоцентровых исследований, внешней валидации моделей и стандартизации методов анализа цистоскопических изображений.
##plugins.themes.default.displayStats.downloads##
Библиографические ссылки
1. European Association of Urology (EAU). EAU Guidelines on Non-muscle-invasive Bladder Cancer (TaT1 and CIS). Arnhem, The Netherlands: EAU Guidelines Office; 2026. ISBN: 978-94-92671 (если требуется журналом — указывается полный ISBN). Available from: EAU Guidelines on Non-muscle-invasive Bladder Cancer.
2. Negassi M, Suarez-Ibarrola R, Hein S, Miernik A, Reiterer A. Application of Artificial Neural Networks for Automated Analysis of Cystoscopic Images: A Review of the Current Status and Future Prospects. World J Urol. 2020 Oct;38(10):2349-2358. doi: 10.1007/s00345-019-03059-0. Epub 2020 Jan 10. PMID: 31925551; PMCID: PMC7508959.
3. Wu S, Chen X, Pan J, Dong W, Diao X, Zhang R, Zhang Y, Zhang Y, Qian G, Chen H, Lin H, Xu S, Chen Z, Zhou X, Mei H, Wu C, Lv Q, Yuan B, Chen Z, Liao W, Yang X, Chen H, Huang J, Lin T. An Artificial Intelligence System for the Detection of Bladder Cancer via Cystoscopy: A Multicenter Diagnostic Study. J Natl Cancer Inst. 2022 Feb 7;114(2):220-227. doi: 10.1093/jnci/djab179. PMID: 34473310; PMCID: PMC8826636.
4. Ikeda A, Nosato H, Kochi Y, Kojima T, Kawai K, Sakanashi H, Murakawa M, Nishiyama H. Support System of Cystoscopic Diagnosis for Bladder Cancer Based on Artificial Intelligence. J Endourol. 2020 Mar;34(3):352-358. doi: 10.1089/end.2019.0509. Epub 2020 Jan 14. PMID: 31808367; PMCID: PMC7099426.
5. Ikeda A, Nosato H, Kochi Y, Negoro H, Kojima T, Sakanashi H, Murakawa M, Nishiyama H. Cystoscopic Imaging for Bladder Cancer Detection Based on Stepwise Organic Transfer Learning with a Pretrained Convolutional Neural Network. J Endourol. 2021 Jul;35(7):1030-1035. doi: 10.1089/end.2020.0919. Epub 2020 Dec 4. PMID: 33148020.
6. Ikeda A, Nosato H. Overview of Current Applications and Trends in Artificial Intelligence for Cystoscopy and Transurethral Resection of Bladder Tumours. Curr Opin Urol. 2024 Jan 1;34(1):27-31. doi: 10.1097/MOU.0000000000001135. Epub 2023 Oct 30. PMID: 37902120.
7. Ganesananthan S, Ganesananthan S, Simpson BS, Norris JM. Utility of Artificial Intelligence in the Cystoscopic Detection of Bladder Cancer: A Systematic Review and Meta-analysis. Br J Surg. 2021 Sep;108(Suppl 6):znab258.053. doi: 10.1093/bjs/znab258.053.
8. Lee TJ, Qiu L, Long J, Mach KE, Peterson D, Yao Q, Shkolyar E, Islam MT, Xing L, Liao JC. CystoDS: a multiclass endoscopy image dataset for artificial intelligence-assisted bladder cancer detection. Sci Data. 2026 Feb 26;13(1):528. doi: 10.1038/s41597-026-06887-z. PMID: 41741508; PMCID: PMC13057115.
9. Zhang F, An J, Zhao L, Cao Y, Li S, Niu H. Artificial Intelligence-Powered Cystoscopy Diagnostic Support System: Clinical Application of Multiarchitecture Deep Learning Models. J Endourol. 2026;40(8):925-934. doi:10.1177/08927790261450807. PMID: 42206801.
10. Shkolyar E, Jia X, Chang TC, Trivedi D, Mach KE, Meng MQH, Xing L, Liao JC. Augmented Bladder Tumor Detection Using Deep Learning. Eur Urol. 2019 Dec;76(6):714-718. doi: 10.1016/j.eururo.2019.08.032. Epub 2019 Sep 18. PMID: 31537407.
11. Lee TJ, Qiu L, Long J, Mach KE, Peterson D, Yao Q, Shkolyar E, Islam MT, Xing L, Liao JC. CystoDS: a multiclass endoscopy image dataset for artificial intelligence-assisted bladder cancer detection. Sci Data. 2026 Feb 26;13(1):528. doi: 10.1038/s41597-026-06887-z. PMID: 41741508; PMCID: PMC13057115.
