System oparty na głębokim uczeniu do przewidywania objętości resekcji wątrobowokomórkowego raka przy użyciu tomografii kontrastowej

Inteligentniejsze planowanie operacji wątroby

U osób z nowotworem wątroby jednym z największych wyzwań dla chirurgów jest decyzja, jak dużą część wątroby usunąć. Jeśli usunąć za mało, guz może nawrócić; jeśli za dużo, pacjent może nie mieć wystarczająco zdrowej tkanki, by przeżyć. W tym badaniu przedstawiono nowy system sztucznej inteligencji (AI), który wykorzystuje skany CT, aby szybko i precyzyjnie pomagać lekarzom w planowaniu zabiegów na wątrobie, z celem uczynienia operacji bezpieczniejszymi, szybszymi i bardziej spójnymi.

Dlaczego rozmiar wątroby ma tak duże znaczenie

Najczęstszy pierwotny nowotwór wątroby, zwany rakiem wątrobowokomórkowym, jest agresywny i występuje coraz częściej na całym świecie. Operacja usuwająca guz w całości daje niektórym pacjentom najlepszą szansę na długoterminowe przeżycie. Jednak wątroba nie jest organem, który można dowolnie odciąć — pełni wiele istotnych funkcji, od filtrowania toksyn po przetwarzanie składników odżywczych. Jeśli chirurgowie usuną zbyt dużo, pacjenci mogą doznać zagrażającej życiu niewydolności wątroby po zabiegu. Z drugiej strony zostawienie zbyt małego marginesu wokół guza zwiększa szansę pozostałości komórek nowotworowych. Dokładne obliczenie, jaka część wątroby może być bezpiecznie usunięta, jest zatem kluczowe w nowoczesnej chirurgii wątroby.

Powolny, ręczny status quo

Obecnie to dokładne obliczenie zwykle wykonywane jest ręcznie. Radiolodzy i chirurdzy ładują kontrastowe skany CT do wyspecjalizowanego oprogramowania do planowania 3D, obrysowują wątrobę i guzy warstwa po warstwie, identyfikują kluczowe naczynia krwionośne, a następnie symulują różne plany cięcia. Proces ten może trwać wiele minut na pacjenta i wymaga wysoko wykwalifikowanego personelu. Podlega też zmienności ludzkiej: dwaj eksperci mogą nieco inaczej narysować granice, a ta sama osoba może być niespójna z dnia na dzień. W zatłoczonych szpitalach, gdzie wielu pacjentów potrzebuje operacji wątroby, czasochłonne planowanie może spowolnić opiekę i zwiększyć koszty.

Asystent AI o nazwie LRVCD

Naukowcy opracowali system oparty na AI, który nazwali Liver Resection Volume Calculation with Deep Learning, w skrócie LRVCD. Wykorzystuje on modele głębokiego uczenia trenowane na skanach CT od 990 pacjentów leczonych w dwóch dużych szpitalach na przestrzeni dekady. W pierwszym etapie AI automatycznie wykrywa guzy wątroby i dzieli wątrobę na szczegółowe segmenty anatomiczne na obrazach CT. W drugim etapie system łączy te mapy segmentów z planem wybranym przez chirurga — czy to standardowe usunięcie segmentu, czy bardziej nieregularne, niestandardowe cięcie — aby obliczyć, ile zdrowej tkanki wątroby i ile guza zostanie usunięte. System podaje kluczowe liczby, takie jak całkowity rozmiar wątroby, rozmiar guza, planowana objętość resekcji oraz procent wątroby przeznaczony do usunięcia.

Testowanie systemu

Aby sprawdzić, czy LRVCD jest wiarygodny, zespół porównał jego wyniki z wynikami doświadczonych chirurgów korzystających z ustalonego oprogramowania do planowania 3D. Oceniono dwie niezależne grupy pacjentów: jedną ze szpitala, w którym trenowano AI, i drugą z różnych ośrodków. Dla każdego przypadku zmierzono, jak bliskie były estymacje AI dotyczące objętości wątroby, objętości guza i planowanej resekcji w porównaniu z ręcznym odniesieniem. Różnice były niewielkie, a zgodność w kluczowym wskaźniku — procencie wątroby do usunięcia — była wysoka w obu grupach. Chociaż AI miało tendencję do nieco zaniżonego oszacowania całkowitego rozmiaru wątroby i nieco zawyżonego oszacowania objętości guza, te odchylenia mieściły się w akceptowalnych granicach klinicznych i odzwierciedlały znane cechy planowania 3D wykonywanego przez ludzi.

Od godzin pracy do kilku sekund

Jedną z najbardziej uderzających korzyści LRVCD jest szybkość. W grupach testowych wewnętrznych i zewnętrznych, przepływ pracy z użyciem AI skrócił czas planowania około dwudziestokrotnie w porównaniu z konwencjonalnym procesem w oprogramowaniu 3D. To, co kiedyś zajmowało rzędu dziesięciu minut lub więcej, teraz mogło być wykonane w mniej niż pół minuty. Ponieważ AI wykonuje ciężką pracę segmentacji i obliczania objętości, wkład człowieka ogranicza się głównie do wprowadzenia podstawowych informacji chirurgicznych i wprowadzania drobnych korekt w razie potrzeby. Oznacza to, że radiolodzy i chirurdzy mogą poświęcić więcej uwagi decyzjom klinicznym, a mniej powtarzalnej pracy przy myszce.

Co to oznacza dla pacjentów

Dla pacjentów szczegóły techniczne sprowadzają się do prostej obietnicy: dokładniejsze i szybsze planowanie operacji, bez dodatkowych badań czy dodatkowych kosztów. Dzięki szybkim, spójnym oszacowaniom, ile wątroby można bezpiecznie usunąć, LRVCD może pomóc chirurgom zmierzać ku operacjom o charakterze leczniczym, jednocześnie kontrolując ryzyko niewydolności wątroby po zabiegu. Badanie pokazuje, że to narzędzie AI działa porównywalnie do ustalonych metod planowania 3D, znacznie zmniejszając obciążenie pracą. Autorzy zaznaczają, że potrzebne są dalsze badania w szerszych grupach pacjentów oraz dalsza automatyzacja podejmowania decyzji chirurgicznych, ale ich wyniki sugerują, że planowanie wspomagane AI wkrótce może stać się praktycznym sprzymierzeńcem na sali operacyjnej w opiece nad rakiem wątroby.

Cytowanie: Wang, X., Zhang, L., Liu, P. et al. Deep learning-based system to predict hepatocellular carcinoma resection volume using contrast-enhanced CT. Sci Rep 16, 6388 (2026). https://doi.org/10.1038/s41598-026-37085-x

Słowa kluczowe: operacja raka wątroby, AI w obrazowaniu medycznym, wątrobowokomórkowy rak, planowanie tomografii komputerowej, objętość resekcji wątroby