This study reviews the recent progress of generative artificial intelligence for gastrointestinal disease (GID) from detection to diagnosis. The source of data was 16 original studies in PubMed. The search terms were ((gastro* [title]) or (endo* [title])) and ((GAN [title/abstract] or (transformer [title/abstract]). The eligibility criteria were as follows: (1) the dependent variable of gastrointestinal disease; (2) the interventions of generative adversarial network (GAN) and/or transformer for classification, detection and/or segmentation; (3) the outcomes of accuracy, intersection of union (IOU), structural similarity and/or Dice; (3) the publication period of 2021–2023; (4) the publication language of English. Based on the results of this study, different generative artificial intelligence methods would be appropriate for different tasks for the early diagnosis of gastrointestinal disease. For example, patch GAN (accuracy 91.9%) in the case of classification, bi-directional cycle GAN (structural similarity 98.8%) in the case of data generation and semi-supervised GAN (Dice 89.4%) in the case of segmentation. Their performance indicators reported varied within 87.1–91.9% for accuracy, 83.0–98.8% for structural similarity and 86.6–89.4% for Dice. Likewise, vision transformer (accuracy 96.9%) in the case of classification, multi-modal transformer (IOU 79.5%) in the case of detection and multi-modal transformer (Dice 89.5%) in the case of segmentation. Their performance measures reported registered a variation within 85.7–96.9% for accuracy, 79.5% for IOU and 77.8–89.5% for Dice. Synthesizing different kinds of generative artificial intelligence for different kinds of GID data would further the horizon of research on this topic. In conclusion, however, generative artificial intelligence provides an effective, non-invasive decision support system for the early diagnosis of gastrointestinal disease from detection to diagnosis.

Ionizing radiation (IR) has garnered growing attention because of its biological effects on aquatic organisms and humans. Here, we identify the most impacted organs and uncover the molecular mechanisms causing the changes in the context of vertebrate development using single‐cell RNA sequencing. Alterations in cellular composition and biological functions were explored using transcriptomic profiling of zebrafish embryos exposed to 5 Gy. Single‐cell RNA sequencing analyses unveiled notable shifts in the proportions of brain/central nervous system and hatching gland clusters. Although IR exposure led to increased expression of hatching enzymes, a significant but mild delay in hatching was observed following 5 Gy IR exposure. Gene Ontology analysis showed an increased expression of tissue inhibitors of metalloproteinases (TIMPs), known as matrix metalloproteinase inhibitors, which was confirmed via whole‐mount in situ hybridization. Correlation analysis linked TIMPs to transcription factors cebpb and cebpd , which were significantly correlated post‐IR exposure. Although no morphological changes were observed in some organs, including the brain, the study reveals substantial alterations in developing vertebrates. Notably, despite increased hatching enzymes, elevated TIMPs in the hatching gland suggest a regulatory mechanism impacting hatching activity. This research contributes to comprehending the ecological repercussions of IR exposure, emphasizing the importance of safety measures for aquatic ecosystems and overall environmental health.

Jeongseok Kim, Tae-Geun Gweon, Min Seob Kwak, Su Young Kim, Seong Jung Kim, Hyun Gun Kim, Sung Noh Hong, Eun Sun Kim, Chang Mo Moon, Dae Seong Myung, Dong-Hoon Baek, Shin Ju Oh, Hyun Jung Lee, Ji Young Lee, Yunho Jung, Jaeyoung Chun, Dong-Hoon Yang, Eun Ran Kim, Intestinal Tumor Research Group of the Korean Association for the Study of Intestinal Diseases (KASID). Gut and Liver -0001;0:. https://doi.org/10.5009/gnl240217