Wielowymiarowa segmentacja oparta na głębokim uczeniu i wolumetryczna ocena płynu w zatokach klinowych na tomografii pośmiertnej w przypadkach utonięć

Dlaczego to ma znaczenie poza salą sekcyjną

Gdy ktoś zostaje znaleziony martwy w wodzie, nawet doświadczeni lekarze sądowi mogą mieć trudności, by z pewnością stwierdzić, czy osoba naprawdę utonęła, czy zmarła wcześniej z innej przyczyny. Jedną subtelną wskazówką jest płyn zbierający się w małej, wypełnionej powietrzem kieszeni głęboko za nosem, zwanej zatoką klinową. Pomiar tego płynu na tomografiach pośmiertnych mógłby pomóc, ale wykonywanie tego ręcznie jest czasochłonne i w dużej mierze zależy od osoby oceniającej obrazy. W tym badaniu sprawdzono, czy nowoczesne techniki widzenia komputerowego mogą automatycznie wykrywać i mierzyć ten płyn, oferując szybsze i bardziej spójne wsparcie w trudnych śledztwach dotyczących utonięć.

Ukryta kieszeń z ważnymi wskazówkami

W przypadkach utonięć płyn często przenika do zatok przynosowych, drobnych komór w kościach twarzy. Zatoka klinowa, schowana głęboko w czaszce, jest szczególnie interesująca, ponieważ zgromadzony tam płyn można badać pod kątem mikroskopijnych glonów i zawartości soli, co może wskazywać, czy osoba utonęła w wodzie słodkiej czy słonej. Wcześniejsze prace wykazały, że tomografie wykonane po śmierci mogą w przybliżeniu odpowiadać objętościom płynu później stwierdzanym podczas sekcji zwłok. Jednak aby uzyskać te liczby, eksperci musieli ręcznie wyznaczać obszar płynu na kolejnych przekrojach komputera — żmudne zadanie trudne do ustandaryzowania i niepraktyczne przy dużej liczbie przypadków.

Nauka komputerów rozpoznawania płynu

Zespół badawczy zwrócił się ku rodzinie systemów analizy obrazów szeroko stosowanych w obrazowaniu medycznym, znanych jako modele głębokiego uczenia w stylu U-Net. Zebrano tomografie pośmiertne od 165 osób, których śmierć przez utonięcie została potwierdzona podczas sekcji zwłok. Doświadczony obserwator ręcznie odrysował płyn w zatoce klinowej, tworząc mapę referencyjną, na której komputery się uczyły. Przypadki podzielono na grupy treningowe, walidacyjne i testowe, aby modele były oceniane na danych, których wcześniej nie widziały. Naukowcy zbudowali trzy wersje systemu: jedną analizującą pojedyncze przekroje CT (2D), jedną uwzględniającą każdy przekrój wraz z dwoma sąsiadami (2.5D) oraz jedną analizującą małe trójwymiarowe bloki głowy jednocześnie (3D).

Jak modele sobie poradziły

Wszystkie trzy modele potrafiły wyznaczyć płyn w zatoce klinowej na skanach testowych w sposób bliski pracy eksperta. Podejścia 2D i 2.5D były najbardziej niezawodne przy odtwarzaniu kształtu i granic płynu, podczas gdy wersja 3D była nieco mniej precyzyjna i bardziej zmienna między przypadkami. Gdy zarysowane obszary przeliczono na rzeczywiste objętości płynu, automatyczne oszacowania mieściły się w ułamkach mililitra od wartości referencyjnych, a różnice nie były istotne statystycznie. Przewidywane i ręczne objętości poruszały się równolegle, z bardzo silnymi korelacjami we wszystkich trzech modelach, co sugeruje, że komputerowe pomiary mogą zastąpić czasochłonne pomiary ręczne.

Dlaczego zwyciężyło rozwiązanie pośrednie

Model 2.5D, który analizuje przekrój wraz z bezpośrednimi sąsiadami, zaoferował najlepszy kompromis między dokładnością a praktycznością. Korzysta z pewnego kontekstu trójwymiarowego, co pomaga odróżnić prawdziwy płyn od pobliskiej kości i tkanek miękkich, a jednocześnie unika dużych wymagań obliczeniowych i niestabilności, które mogą dotykać w pełni 3D modele — zwłaszcza gdy struktura zainteresowania jest mała i pojawia się tylko na kilku przekrojach. Dla zajętych ośrodków sądowo-medycznych, które mogą potrzebować przetwarzać wiele przypadków przy ograniczonych zasobach obliczeniowych, strategia pośrednia może być najbardziej realistycznym wyborem do rutynowego zastosowania.

Co to oznacza dla przyszłych śledztw dotyczących zgonów

Dla osób niebędących specjalistami kluczowy wniosek jest taki, że komputery potrafią już wiarygodnie znaleźć i zmierzyć małą kieszeń płynu głęboko w głowie na tomografiach pośmiertnych, z wydajnością bliską ekspertowi. Badanie pokazuje, że takie automatyczne pomiary można uzyskać szybko i konsekwentnie, co otwiera drogę do wykorzystania danych CT do wspierania diagnoz utonięć jeszcze przed rozpoczęciem sekcji zwłok. Choć to badanie z jednego ośrodka wymaga dalszego sprawdzenia na szerszą skalę i rozszerzenia na inne zatoki oraz przypadki zgonów niezwiązanych z utonięciem, wskazuje ono na przyszłość, w której zaawansowana analiza obrazów dyskretnie wzmacnia dowody w jednych z najtrudniejszych zagadnień medycyny sądowej.

Cytowanie: Heo, JH., Kim, MJ., Jang, S.J. et al. Multi-dimensional deep learning–based segmentation and volumetric assessment of sphenoid sinus fluid on postmortem CT in drowning cases. Sci Rep 16, 13800 (2026). https://doi.org/10.1038/s41598-026-44094-3

Słowa kluczowe: diagnoza utonięcia, tomografia pośmiertna, obrazowanie sądowe, głębokie uczenie, płyn w zatokach