Эндоскопическое ультразвуковое исследование с тонкоигольной пункцией (ЭУС-ТИП) -остаётся ключевым методом морфологической верификации подслизистых и панкреатобилиарных образований. Однако диагностическая эффективность метода существенно варьирует и зависит от опыта оператора, выбора иглы и субъективной интерпретации эндосонографического изображения. По данным публикаций 2018−2024 гг., чувствительность ЭУС-ТИП составляет 68−89%, при этом доля недиагностических образцов достигает 10−25%, особенно при малых, фиброзных или гетерогенных образованиях.

В последние годы значительный интерес вызывают достижения в области искусственного интеллекта (ИИ), включая свёрточные нейронные сети (СНС), радиомику и автоматизированный анализ текстуры. Эти подходы демонстрируют потенциал повышения воспроизводимости и снижения субъективности интерпретации ЭУС-изображений. В опубликованных исследованиях системы ИИ в ЭУС демонстрируют значения площади под ROC-кривой (AUROC) 0,86−0,95 при дифференцировке типов панкреатических образований и выявлении подозрительных эхотекстурных паттернов, что указывает на возможность повышения точности и согласованности морфологической диагностики.

Обосновать концепцию подхода к ЭУС-навигации, поддерживаемого искусственным интеллектом (EUS-Precision), направленного на повышение точности выбора точки биопсии и морфологической результативности ЭУС-ТИП за счёт автоматизированного распознавания эхотекстурных паттернов и поддержки принятия решений в реальном времени на основе существующих данных литературы.

Проведён аналитический обзор опубликованных исследований 2018−2024 гг., посвящённых применению методов искусственного интеллекта в эндоскопическом ультразвуковом исследовании. Анализ включал данные о диагностической точности ИИ-моделей, показателях AUROC, чувствительности и специфичности, а также факторах, влияющих на недиагностические результаты ЭУС-ТИП. Рассматривались исследования с использованием СНС, радиомического анализа и систем навигационной поддержки на основе ИИ, включая симуляционные и ретроспективные наборы данных.

Литературный анализ выявил ряд устойчивых тенденций:

• Интерпретация ЭУС, усиленная искусственным интеллектом, повышает межнаблюдательную согласованность и снижает вариабельность оценки эхогенности, чёткости границ, сосудистых паттернов и внутренней гетерогенности образований. Модели на основе СНС для анализа панкреатических образований демонстрируют точность классификации 82–94%, превосходя интерпретацию неэкспертов.
• Радиомическое извлечение признаков позволяет получать количественные дескрипторы (текстурные характеристики, энтропию, вейвлет-метрики), ассоциированные со злокачественной трансформацией панкреатических солидных образований и подслизистых опухолей желудочно-кишечного тракта. В отдельных исследованиях радиомический анализ достигает AUROC 0,87–0,93 при дифференцировке гастроинтестинальных стромальных опухолей (GIST) и доброкачественных мезенхимальных образований.
• Факторы, ассоциированные с недиагностическими результатами ТАБ, включают размер образования менее 15 мм, наличие некротической или выраженно гетерогенной внутренней структуры и субоптимальное таргетирование. До 20–30% ошибок забора материала связаны с неверным выбором зоны пункции, а не с типом используемой иглы.
• Системы навигационной поддержки на основе ИИ, протестированные в симуляционных условиях или на ретроспективных данных, демонстрируют улучшение выбора оптимальных траекторий пункции и снижение моделируемого числа недиагностических заборов на 15–22%.

Совокупность этих данных обосновывает реалистичность концепции EUS-Precision, объединяющей автоматизированное распознавание эхотекстуры, радиомическую стратификацию риска, подсветку потенциально оптимальных зон для биопсии в реальном времени и элементы поддержки принятия решений для минимизации ошибок забора материала.

Интерпретация эндоскопического ультразвукового исследования с использованием искусственного интеллекта представляет собой перспективное направление повышения диагностической эффективности ЭУС-направляемой биопсии. На основании существующих данных интеграция автоматизированного анализа эхотекстуры и радиомических маркеров способна улучшить воспроизводимость результатов, снизить долю недиагностических заборов и повысить точность морфологической верификации, особенно при малых или визуально сложных образованиях.

Предложенная концептуальная структура EUS-Precision соответствует приоритетам в области цифровой эндоскопии, стандартизации и оператор-независимых диагностических подходов. В перспективе подобные системы могут быть интегрированы в рабочие станции эндоскопистов в качестве инструментов поддержки принятия решений в реальном времени, а также использоваться как образовательный ресурс для специалистов на ранних этапах профессионального развития.