Wykorzystanie sztucznej inteligencji do identyfikacji anatomii chirurgicznej podczas laparoskopowej nefrektomii dawcy – badanie walidacyjne i wykonalności

Mądrzejsza technologia dla daru o wysokiej stawce

Laparoskopowa nefrektomia dawcy to minimalnie inwazyjna operacja wykonywana, gdy zdrowa osoba oddaje nerkę — akt bezinteresowny, w którym każdy błąd chirurgiczny jest szczególnie trudny do zaakceptowania. W tym badaniu sprawdzono, jak sztuczna inteligencja (SI) może pomóc chirurgom wyraźniej dostrzegać istotne struktury podczas tego delikatnego zabiegu, z zamiarem zmniejszenia ryzyka dla dawców i poprawy szkolenia przyszłych chirurgów.

Dlaczego chirurgia nerek u dawców wymaga szczególnej ostrożności

Żywi dawcy nerek to często całkowicie zdrowe osoby, które decydują się na operację wyłącznie, by pomóc komuś innemu. Choć techniki laparoskopowe już uczyniły donację bezpieczniejszą, a rekonwalescencję szybszą, zabieg nadal odbywa się w ciasnej przestrzeni wokół tętnic, żył i moczowodu, których nie można uszkodzić. Chirurdzy polegają obecnie na własnym oku i doświadczeniu, aby rozpoznać te struktury na ekranie. SI pełniąca rolę „współpilota”, która w czasie rzeczywistym niezawodnie wskaże kluczową anatomię, mogłaby zapobiec pomyłkom — zwłaszcza u mniej doświadczonych operatorów lub w trudnych przypadkach.

Nauka komputera widzenia wnętrza ciała

Zespół badawczy nawiązał współpracę z firmą medyczno‑techniczną, aby zbudować system wizji komputerowej rozpoznający ważne struktury podczas operacji usuwania lewej nerki od dawcy. Zebrano nagrania wideo z 30 zabiegów i skupiono się na momentach, gdy otaczająca tkanka tłuszczowa została oczyszczona, odsłaniając nerkę, śledzionę, główne naczynia krwionośne i moczowód. Z tych nagrań wyodrębniono tysiące klatek. Każda klatka została dokładnie oznaczona piksel po pikselu przez anatomę, a następnie poddana weryfikacji przez doświadczonego chirurga transplantacyjnego. Tak oznakowane obrazy posłużyły jako „klucze odpowiedzi” do treningu SI. System oparto na nowoczesnym modelu uczenia głębokiego pierwotnie zaprojektowanym do szybkiego wykrywania obiektów na obrazach, a następnie dostosowano go do obrysowywania poszczególnych narządów i naczyń na każdej klatce chirurgicznej.

Jak system był trenowany i testowany

Badacze użyli 6 828 oznakowanych obrazów z 16 zabiegów, aby nauczyć SI, a kolejne 1 757 klatek z czterech innych operacji odłożyli na testy sprawdzające, jak dobrze system się nauczył. Świadomie przyznawali większą wagę najważniejszym strukturom — tętnicy nerkowej, żyle nerkowej i moczowodowi — aby model zwracał na nie szczególną uwagę. Podczas treningu program wielokrotnie porównywał swoje przewidywania z etykietami ekspertów, dostosowując się tak, by zmniejszyć błędy. Kluczowym pytaniem było, czy przy prezentacji nowej klatki SI potrafi prawidłowo zaznaczyć śledzionę, nerkę, główne naczynia i moczowód, nie pomijając ich ani nie myląc z innymi strukturami.

Jak poradził sobie współpilot SI

W testach system SI wykazał obiecującą dokładność. Najlepiej radził sobie z rozpoznawaniem śledziony i głównych naczyń krwionośnych zaopatrujących nerkę. Dla lewej nerki, tętnicy nerkowej i żyły nerkowej system osiągnął dobry kompromis między nieoznakowywaniem tkanek tła a niepomijaniem struktur, które miał wykryć. Wyniki te mieszczą się w powszechnie akceptowanych progach dla detekcji w czasie rzeczywistym w chirurgii. Moczowód — cienka rurka odprowadzająca mocz z nerki — okazał się trudniejszy do wykrycia, prawdopodobnie dlatego, że jest wąski, ruchomy, podobny barwą do sąsiednich tkanek i słabiej reprezentowany w obrazach treningowych. Poza statycznymi testami zespół przetestował system także na żywo w sali operacyjnej oraz na materiałach wideo z innego szpitala w innym kraju. SI nadal identyfikowała kluczową anatomię, a nawet wychwyciła nietypowy układ podwójnych tętnic, co sugeruje, że może uogólniać się poza ośrodkiem, na którym była trenowana.

Co to może znaczyć dla chirurgów i pacjentów

Chociaż system nie jest jeszcze gotowy, by służyć jako pełne narzędzie nawigacji w czasie rzeczywistym, ta praca stanowi ważny pierwszy krok. Możliwość niezawodnego obrysowywania kluczowej anatomii otwiera drogę do kilku zastosowań: wskazówek wyświetlanych na ekranie podczas trudnych etapów zabiegu, automatycznego oznaczania materiałów szkoleniowych dla rezydentów oraz bardziej obiektywnych metod oceny umiejętności chirurgicznych. Dalsze udoskonalenia będą wymagać szerszych, zróżnicowanych danych z wielu szpitali, lepszego radzenia sobie ze strukturami trudnymi do wykrycia, jak moczowód, oraz formalnego pomiaru prędkości i spójności działania SI klatka po klatce. Mimo to zasadniczy przekaz jest jasny dla nietechników: SI już teraz „widzi” wiele tego, co widzi wyszkolony chirurg, a po dalszym dopracowaniu systemy takie mogą uczynić dar oddania nerki jeszcze bezpieczniejszym.

Cytowanie: Ong, C.S.H., Wong, H.P.N., Leung, M. et al. Utilising artificial intelligence to identify surgical anatomy during laparoscopic donor nephrectomy – a validation and feasibility study. Sci Rep 16, 7416 (2026). https://doi.org/10.1038/s41598-026-35999-0

Słowa kluczowe: donacja nerek, chirurgia laparoskopowa, sztuczna inteligencja w chirurgii, wizja komputerowa w medycynie, bezpieczeństwo przeszczepów narządów