Očekuje se da će softver umjetne inteligencije potencijalno riješiti dugogodišnji problem niskog do umjerenog dogovora među promatračima kada se od ljudskih endoskopista traži da indiciraju cijeljenje sluznice ili različite stupnjeve upale kod ulceroznog kolitisa.  Međutim, pronađene su visoke razine heterogenosti, potencijalno povezane s time koliko je različito obučen AI softver i na koliko je slučajeva testiran. Ovo djelomično ograničava kvalitetu dokaza.

U kliničkoj praksi, procjena cijeljenja sluznice kod upalne bolesti crijeva ključna je za procjenu pacijentovog odgovora na terapiju i usmjeravanje strategija za liječenje, operaciju i endoskopski nadzor. U eri precizne medicine, procjena cijeljenja sluznice trebala bi biti precizna, lako dostupna u endoskopskom izvješću i visoko ponovljiva, što zahtijeva visoku točnost i slaganje u endoskopskoj dijagnozi.

Sustavi umjetne inteligencije - posebno algoritmi dubokog učenja koji se temelje na arhitekturi konvolucijske neuronske mreže - mogu omogućiti endoskopičarima da uspostave objektivnu dijagnozu zacjeljivanja sluznice u stvarnom vremenu i poboljšaju prosječne standarde kvalitete u centrima primarne i tercijarne skrbi. Istraživanje umjetne inteligencije u upalnoj bolesti crijeva razmatra potencijalne implikacije za endoskopiju i kliničko liječenje, što otvara nova područja za istraživanje.

Autori su proveli  sustavni pregled studija do prosinca 2022. koje su uključivale sustav temeljen na umjetnoj inteligenciji koji se koristio za procjenu bilo kojeg stupnja endoskopske upale kod IBD-a, bilo da se radi o ulceroznom kolitisu ili Crohnovoj bolesti. Nakon toga su proveli meta-analizu točnosti dijagnostičkog testa ograničenu na područje u kojem je bilo dostupno više od pet studija koje su pružale dijagnostičku učinkovitost - cijeljenje sluznice u ulceroznom kolitisu na temelju snimanja lumena.

Istraživači su identificirali 12 studija s prikazom lumena kod pacijenata s ulceroznim kolitisom. Četiri su ocjenjivala izvedbu AI sustava na videozapisima, šest se usredotočilo na fiksne slike, a dva su promatrala oboje.

Sustavi umjetne inteligencije postigli su zadovoljavajuće rezultate u procjeni cijeljenja sluznice kod ulceroznog kolitisa. Pri evaluaciji fiksnih slika, algoritmi su postigli osjetljivost od 0,91 i specifičnost od 0,89, s dijagnostičkim omjerom izgleda  od 92,42, krivuljom sumarne radne karakteristike prijemnika od 0,957 i površinom ispod krivulje od 0,957. Pri ocjenjivanju videozapisa algoritmi su postigli 0,86 osjetljivost, 0,91 specifičnost, 70,86 dijagnostički omjer izgleda, 0,941 sumarne radne karakteristike prijemnika i 0,941 površinom ispod krivulje.

Autori su pronašli umjerenu do visoku razinu heterogenosti među studijama, što je ograničilo kvalitetu dokaza. Samo 2 od 12 studija koristile su vanjski skup podataka za provjeru valjanosti AI sustava, a 1 je evaluirala AI sustav na mješovitoj bazi podataka. Međutim, sedam ih je koristilo skup podataka za internu validaciju odvojen od skupa podataka za obuku.