Согласно документации, Polyptron.AI представляет собой систему поддержки принятия врачебных решений, которая в режиме реального времени анализирует видеопоток с цифрового эндоскопа во время колоноскопии. Алгоритм автоматически обнаруживает новообразования, выделяет их контуром или рамкой, определяет размерную категорию (до 10 мм или более 11 мм) и отображает результаты непосредственно на экране врача. После завершения исследования система сохраняет видеозапись, изображения с отмеченными зонами интереса и автоматически формирует отчет в формате PDF.
Разработчики отмечают, что в основе платформы лежит нейросетевой алгоритм компьютерного зрения YOLO. Для обучения модели использовалась база из 46 103 размеченных изображений, полученных на основе 1 873 уникальных колоноскопических исследований, включая 27 392 размеченные врачами-эндоскопистами патологии. Согласно руководству пользователя, при выявлении новообразований система обеспечивает точность 88,7%, чувствительность 89,9% и специфичность 87,3%. Интегральный показатель качества алгоритма (ROC-AUC) составляет 88,6%, что свидетельствует о высокой способности системы различать патологические и нормальные ткани. Для определения новообразований размером до 10 мм заявлена чувствительность 93,8%, точность 86,7% и F1-мера 90,1%.
Система предназначена для использования в медорганизациях при проведении колоноскопии у взрослых пациентов. ПО работает совместно с цифровыми эндоскопическими стойками, автоматически запускается при включении рабочей станции и не требует действий со стороны врача для начала анализа видеопотока. По окончании исследования результаты могут сохраняться локально либо передаваться на сервер медицинской организации через API.
В руководстве пользователя также указано, что Polyptron.AI не является самостоятельным диагностическим инструментом и предназначено исключительно для поддержки принятия врачебных решений. Для корректной работы системы колоноскопия должна проводиться при высоком качестве подготовки кишечника (8-9 баллов по Бостонской шкале), а размер выявляемых новообразований должен составлять не менее 3 мм.
Развитие подобных ИИ-систем сопровождается поиском способов сделать их одинаково эффективными на оборудовании разных производителей. Так, исследователи из Университетской клиники Вюрцбурга (Германия) и ряда европейских научных центров разработали технологию EndoStyle, которая адаптирует эндоскопические изображения под особенности конкретных видеопроцессоров с помощью нейросетевого переноса стиля. В исследовании использование синтетических изображений при обучении алгоритмов позволило сократить число ложноположительных срабатываний более чем на 40% при специфичности до 98%, что, по мнению авторов, может ускорить внедрение ИИ в колоноскопию без необходимости создавать отдельные обучающие выборки для каждой модели эндоскопического оборудования.
