uzspbgmuУчёные записки Первого Санкт-Петербургского государственного медицинского университета имени академика И. П. ПавловаThe Scientific Notes of the Pavlov University1607-41812541-8807Academician I.P. Pavlov First St. Petersburg State Medical University10.24884/1607-4181-2026-33-1-19-29uzspbgmu-1267Research ArticleОБЗОРЫ И ЛЕКЦИИREVIEWS AND LECTURESПрименение искусственного интеллекта для наблюдения за пациентами с заболеваниями желудочно-кишечного тракта: возможности и ограниченияThe use of artificial intelligence for monitoring patients with gastrointestinal diseases: opportunities and limitationshttps://orcid.org/0000-0001-6665-1533ГаранинА. А.GaraninA. A.

Гаранин Андрей Александрович, кандидат медицинских наук, доцент, директор научно-практического центра дистанционной медицины

443099, г. Самара, ул. Чапаевская, д. 89

Garanin Andrey A., Cand. of Sci. (Med.), Associate Professor, Director of the Scientific and Practical Center for Remote Medicine

89, Chapaevskaya str., Samara, 443099

sameagle@yandex.ruhttps://orcid.org/0000-0001-9351-6177РубаненкоО. А.RubanenkoO. A.

Рубаненко Олеся Анатольевна, доктор медицинских наук, доцент, зав. центром доказательной медицины и статистики

443099, г. Самара, ул. Чапаевская, д. 89

Rubanenko Olesya A., Dr. of Sci. (Med.), Associate Professor, Head of the Center for Evidence-based Medicine and Statistics

89, Chapaevskaya str., Samara, 443099

olesya.rubanenko@gmail.comhttps://orcid.org/0000-0001-6407-3880ТрусовЮ. А.TrusovYu. A.

Трусов Юрий Александрович, ассистент кафедры пропедевтической терапии с курсом кардиологии

443099, г. Самара, ул. Чапаевская, д. 89

Trusov Yuri A., Assistant Professor at the Department of Propaedeutic Therapy with a Course in Cardiology

89, Chapaevskaya str., Samara, 443099

yu.a.trusov@samsmu.ruhttps://orcid.org/0000-0002-4144-7090КолсановА. В.KolsanovA. V.

Колсанов Александр Владимирович, доктор медицинских наук, профессор, член-корреспондент РАН, ректор, зав. кафедрой оперативной хирургии и топографической анатомии, Самарский государственный медицинский университет

443099, г. Самара, ул. Чапаевская, д. 89

Kolsanov Alexander V., Dr. of Sci. (Med.), Professor, Corresponding Member of the RAS, Rector, Head of the Department of Operative Surgery and Topographic Anatomy, Samara State Medical University

89, Chapaevskaya str., Samara, 443099

a.v.kolsanov@samsmu.ruСамарский государственный медицинский университетРоссияSamara State Medical UniversityRussian Federation2026090620263311929Copyright © Гаранин А.А., Рубаненко О.А., Трусов Ю.А., Колсанов А.В., 20262026Гаранин А.А., Рубаненко О.А., Трусов Ю.А., Колсанов А.В.Garanin A.A., Rubanenko O.A., Trusov Y.A., Kolsanov A.V.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://www.sci-notes.ru/jour/article/view/1267

Цель – анализ источников литературы по вопросам мониторинга и наблюдения пациентов с заболеваниями желудочно-кишечного тракта (ЖКТ) в повседневной врачебной практике с применением методов машинного обучения.

Методы и материалы

Методы и материалы. Для подготовки обзора осуществлялся поиск научных публикаций в таких базах данных, как PubMed, Web of Science, Scopus, CyberLeninka, eLibrary и Google Scholar. Стратегия поиска включала использование ключевых слов на русском и английском языках: «diseases of the gastrointestinal tract», «gastroenterological diseases», «artificial intelligence», «machine learning», «deep learning», «patient monitoring», «remote monitoring», «болезни желудочно-кишечного тракта», «гастроэнтерологические заболевания», «искусственный интеллект», «машинное обучение», «глубокое обучение», «наблюдение за пациентами», «мониторинг». Включение оригинальных исследований в период 2015–2025 гг. основано на независимой оценке авторами.

Результаты

Результаты. Из 594 публикаций после скрининга в окончательный анализ включено 9 исследований, отвечающих критериям включения.

Заключение

Заключение. ИИ обеспечивает современные подходы к мониторингу, диагностике и прогнозированию осложнений болезней ЖКТ. Созданные на его основе решения отличаются высокой точностью диагностики и прогнозирования, нередко превосходящей классические клинические шкалы, и формируют фундамент интеллектуальных систем поддержки принятия решений врачами.

The objective was to analyze the literature sources on monitoring and observation of patients with diseases of the gastrointestinal tract (GIT) in daily medical practice using machine learning methods.

Methods and materials

Methods and materials. To prepare the review, scientific publications were searched in databases such as PubMed, Web of Science, Scopus, CyberLeninka, eLibrary, and Google Scholar. The search strategy included the use of keywords in Russian and English: «diseases of the gastrointestinal tract», «gastroenterological diseases», «artificial intelligence», «machine learning», «deep learning», «patient monitoring», «remote monitoring». The inclusion of original research in the period 2015–2025 is based on an independent assessment by the authors.

Results

Results. Of the 594 publications, 9 studies meeting the inclusion criteria were included in the final analysis after screening.

Conclusion

Conclusion. AI provides modern approaches to monitoring, diagnosing, and predicting complications of gastrointestinal diseases. The solutions created on its basis are characterized by high diagnostic and forecasting accuracy, often exceeding classical clinical scales, and form the foundation of intelligent decision support systems for doctors.

болезни желудочно-кишечного трактагастроэнтерологические заболеванияискусственный интеллектмашинное обучениеглубокое обучениемониторингнаблюдениеdiseases of the gastrointestinal tractgastroenterological diseasesartificial intelligencemachine learningdeep learningmonitoringobservationReferencesКурбацкий С. М. Нужен ли гастроэнтерологам искусственный интеллект? // Российский журнал гастроэнтерологии, гепатологии, колопроктологии. – 2021. – Т. 31, № 6. – С. 103–105.Kurbatsky S. M. Does Gastroenterology Need Artificial Intelligence? // Russian Journal of Gastroenterology, Hepatology, Coloproctology. 2021;31(6):103–105. https://doi.org/10.22416/1382-4376-2021-31-6-103-105. (In Russ.).Кобринский Б. А., Хавкин А. И., Волынец Г. В. Перспективы применения систем искусственного интеллекта в гастроэнтерологии // Экспериментальная и клиническая гастроэнтерология. – 2020. – Т. 179, № 7. – С. 109–117.Kobrinskii B. A., Khavkin A. I., Volynets G. V. Prospects for the use of artifi cial intelligence systems in gastroenterology // Experimental and Clinical Gastroenterology. 2020;179(7):109–117. https://doi.org/10.31146/1682-8658-ecg-179-7-109-117. (In Russ.).Успенский Ю. П., Иванов С. В., Фоминых Ю. А. и др. Прогнозирование развития жизнеугрожающих осложнений воспалительных заболеваний кишечника с использованием нейронных сетей: инструменты для практического здравоохранения // Экспериментальная и клиническая гастроэнтерология. – 2023. – Т. 217, № 9. – С. 20–33. https://doi.org/10.31146/1682-8658-ecg-217-9-20-33.Uspenskiy Yu. P., Ivanov S. V., Fominykh Yu. A. et al. Prediction of life-threatening complications of inflammatory bowel disease using neural networks: a practical tool for health care professionals // Experimental and Clinical Gastroenterology. 2023;(9):20–33. (In Russ.). https://doi.org/10.31146/1682-8658-ecg-217-9-20-33.Барышникова Н. В., Щапков Н. А. Инновации в гастроэнтерологии // Медицинский алфавит. 2025;(25):8–12. https://doi.org/10.33667/2078-5631-2025-25-8-12.Baryshnikova N. V., Shchapkov N. A. Innovations in gastroenterology. Medical alphabet. 2025;(25):8–12. (In Russ.).Чурилова Е. Г., Казумова А. Б., Ахриева Х. М. и др. Возможности использования технологий искусственного интеллекта в морфологической диагностике воспалительных заболеваний кишечника (обзор литературы) // Вестник медицинского института «РЕАВИЗ». Реабилитация, Врач и Здоровье. – 2025. – Т. 15, № 1. – С. 22–29. https://doi.org/10.20340/vmi-rvz.2025.1.MORPH.1.Churilova E. G., Kazumova A. B., Akhrieva Kh. M. et al. Possibilities of using artificial intelligence technologies in the morphological diagnosis of inflammatory bowel diseases (literature review) // Bulletin of the Medical Institute “REAVIZ” (REHABILITATION, DOCTOR AND HEALTH). 2025;15(1):22–29. (In Russ.).Бакулин И. Г., Расмагина И. А., Скалинская М. И. и др. Применение искусственного интеллекта для анализа эндоскопических изображений при воспалительных заболеваниях кишечника // Терапия. – 2022. – Т. 8, № 599. – С. 7–14. https://doi.org/10.18565/therapy.2022.7.7-14.Bakulin I. G., Rasmagina I. A., Skalinskaya M. I. et al. The use of artificial intelligence for the analysis of endoscopic images in inflammatory bowel diseases // Therapy. 2022;8(599):7–14. (In Russ.). https://doi.org/10.18565/therapy.2022.7.7-14.Siegel C. A., Horton H., Siegel L. S. et al. A validated webbased tool to display individualized Crohn’s disease predicted outcomes based on clinical, serologic and genetic variables // Aliment Pharmacol Th er. – 2016. – Т. 43, № 2. – С. 262–71. https://doi.org/10.1111/apt.13460.Siegel C. A., Horton H., Siegel L. S. et al. A validated webbased tool to display individualized Crohn’s disease predicted outcomes based on clinical, serologic and genetic variables // Aliment Pharmacol Ther. 2016;43(2):262–71. https://doi.org/10.1111/apt.13460.Park Y., Cheon J. H., Park Y. L., Ye B. D. et al. IBD Study Group of the Korean Association for the Study of Intestinal Diseases (KASID). Development of a Novel Predictive Model for the Clinical Course of Crohn’s Disease: Results from the CONNECT Study // Inflamm Bowel Dis. – 2017. – Vol. 23, № 7. – P. 1071–1079. https://doi.org/10.1097/MIB.0000000000001106.Park Y., Cheon J. H., Park Y. L. et al. IBD Study Group of the Korean Association for the Study of Intestinal Diseases (KASID). Development of a Novel Predictive Model for the Clinical Course of Crohn’s Disease: Results from the CONNECT Study // Inflamm Bowel Dis. 2017;23(7):1071–1079. https://doi.org/10.1097/MIB.0000000000001106.Khan N., Patel D., Shah Y. et al.A Novel User- Friendly Model to Predict Corticosteroid Utilization in Newly Diagnosed Patients with Ulcerative Colitis // Inflamm Bowel Dis. – 2017. – Vol. 23, № 6. – P. 991–997. https://doi.org/10.1097/MIB.0000000000001080.Khan N., Patel D., Shah Y. et al. A Novel User- Friendly Model to Predict Corticosteroid Utilization in Newly Diagnosed Patients with Ulcerative Colitis // Inflamm Bowel Dis. 2017;23(6):991–997. https://doi.org/10.1097/MIB.0000000000001080.Cesarini M., Collins G. S., Ronnblom A. et al. Predicting the individual risk of acute severe colitis at diagnosis // J Crohns Colitis. – 2017. – Vol. 11, № 3. – P. 335–341. https://doi.org/10.1093/ecco-jcc/ jjw159.Cesarini M., Collins G. S., Ronnblom A. et al. Predicting the individual risk of acute severe colitis at diagnosis // J Crohns Colitis. 2017;11(3):335–341. https://doi.org/10.1093/ecco-jcc/jjw159.Fockens K. N., Jong M. R., Jukema J. B. et al. A deep learning system for detection of early Barrett’s neoplasia: a model development and validation study // Lancet Digit Health. – 2023. – Vol. 5, № 12. – P. e905–e916. https://doi.org/10.1016/S2589-7500(23)00199-1. PMID: 38000874.Fockens K. N., Jong M. R., Jukema J. B. et al. A deep learning system for detection of early Barrett’s neoplasia: a model development and validation study // Lancet Digit Health. 2023;5(12):e905–e916. https://doi.org/10.1016/S2589-7500(23)00199-1. PMID: 38000874.Li J., Wu Q. Q., Zhu R. H., Lv X. et al. Machine learning predicts portal vein thrombosis after splenectomy in patients with portal hypertension: Comparative analysis of three practical models // World J Gastroenterol. – 2022. – Vol. 28, № 32. – P. 4681–4697. https://doi.org/10.3748/wjg.v28.i32.4681.Li J., Wu Q. Q., Zhu R. H. et al. Machine learning predicts portal vein thrombosis after splenectomy in patients with portal hypertension: Comparative analysis of three practical models // World J Gastroenterol. 2022;28(32):4681–4697. https://doi.org/10.3748/wjg.v28.i32.4681.Jiang M., Wu X. P., Lin X. C., Li C. L. Explainable machine learning model for predicting acute pancreatitis mortality in the intensive care unit // BMC Gastroenterol. – 2025. – Vol. 25, № 1. – P. 131. https://doi.org/10.1186/s12876-025-03723-3. PMID: 40033198; PMCID: PMC11877909.Jiang M., Wu X. P., Lin X. C., Li C. L. Explainable machine learning model for predicting acute pancreatitis mortality in the intensive care unit // BMC Gastroenterol. 2025;25(1):131. https://doi.org/10.1186/s12876-025-03723-3. PMID: 40033198; PMCID: PMC11877909.Kim J. M., Kim M. S., Choi S. Y., Ryu J. S. Prediction of dysphagia aspiration through machine learning-based analysis of patients’ postprandial voices // J Neuroeng Rehabil. – 2024. – Vol. 21, № 1. – P. 43. https://doi.org/10.1186/s12984-024-01329-6. PMID: 38555417; PMCID: PMC10981344.Kim J. M., Kim M. S., Choi S. Y., Ryu J. S. Prediction of dysphagia aspiration through machine learning-based analysis of patients’ postprandial voices // J Neuroeng Rehabil. 2024;21(1):43. https://doi.org/10.1186/s12984-024-01329-6. PMID: 38555417; PMCID: PMC10981344.Chavannes M., Kysh L., Allocca M. et al. Role of artificial intelligence in imaging and endoscopy for the diagnosis, monitoring and prognostication of inflammatory bowel disease: a scoping review protocol // BMJ Open Gastroenterol. – 2023. – Vol. 10, № 1. – P. e001182. https://doi.org/10.1136/bmjgast-2023-001182. PMID: 38081777; PMCID: PMC10729253.Chavannes M., Kysh L., Allocca M. et al. Role of artificial intelligence in imaging and endoscopy for the diagnosis, monitoring and prognostication of inflammatory bowel disease: a scoping review protocol // BMJ Open Gastroenterol. 2023;10(1):e001182. https://doi.org/10.1136/bmjgast-2023-001182. PMID: 38081777; PMCID: PMC10729253.

The authors declare that there are no conflicts of interest present.