Guidowanie przezskórnej nefrostomii za pomocą endoskopu do tomografii koherencyjnej optycznej opartego na sieciach konwolucyjnych

Dlaczego bezpieczny dostęp do nerki ma znaczenie

Choroba kamicy nerkowej staje się coraz powszechniejsza, a wielu pacjentów wymaga wprowadzenia małej rurki bezpośrednio do nerki w celu odprowadzenia moczu lub usunięcia kamieni. Procedura ta, zwana przezskórną nefrostomią, polega na wprowadzeniu igły od pleców pacjenta do jamistego wnętrza nerki. Choć nakłucie jest niewielkie, wybranie niewłaściwej ścieżki może rozerwać delikatne struktury nerkowe lub uszkodzić naczynia krwionośne, prowadząc do krwawienia i innych powikłań. W tym badaniu przedstawiono nowy, wysokorozdzielczy czujnik obrazowania sparowany ze sztuczną inteligencją, umieszczany w końcówce igły, który pomaga lekarzom dokładnie widzieć, dokąd zmierzają, i unikać szkód.

Maleńka kamera wewnątrz igły

Naukowcy skonstruowali skierowany do przodu sondę obrazującą opartą na optycznej tomografii koherencyjnej (OCT), metodzie wykorzystującej światło do rejestrowania przekrojowych „plasterków” tkanki w rozdzielczości mikrometrowej — około dziesięć razy dokładniejszej niż standardowy ultradźwięk medyczny. Wszczepili cienką soczewkę gradientową do wnętrza standardowej igły nefrostomijnej, dzięki czemu podczas wprowadzania sonda może patrzeć bezpośrednio przed końcówkę do wnętrza nerki. W przeciwieństwie do zwykłych endoskopów, które głównie pokazują powierzchnię, ten system dostarcza obrazy rozdzielone pod względem głębokości, ujawniając, jak struktura tkanki zmienia się pod końcówką. Ta sama sonda może również działać w trybie Dopplera, który uwidacznia poruszające się czerwone krwinki, a tym samym pokazuje naczynia krwionośne przed igłą, zanim zostaną przebite.

Rozpoznawanie warstw nerki w czasie rzeczywistym

Aby sprawdzić, czy system potrafi rozróżniać różne tkanki nerkowe, zespół przeprowadził eksperymenty na 31 oddanych ludzkich nerkach utrzymywanych w warunkach zbliżonych do normalnych. W rzeczywistych procedurach igła powinna przejść przez zewnętrzną korę i wewnętrzną rdzeń, następnie wejść do kielichowatej przestrzeni zwanej kielichem i w końcu znaleźć się w centralnej miedniczce zbierającej mocz. Zbaczanie z kursu grozi przejściem przez tłuszczowe przestrzenie między strukturami i rozdarly cienkich ścian. Badacze systematycznie dotykali sondą pięciu typów tkanek — kory, rdzenia, kielicha, tłuszczu zatokowego i miedniczki — i zarejestrowali miliony obrazów OCT ukazujących ich charakterystyczne wzory. Na przykład kora i rdzeń wyglądały gładko, lecz różniły się głębokością warstw; kielich wykazywał przejścia w postaci pasm; tłuszcz zatokowy dawał jasne, nakrapiane sieci; a miedniczka pojawiała się jako pusta przestrzeń pod sondą.

Nauczanie inteligentnego systemu wykrywania zagrożeń

Ponieważ eksperci ludzcy potrzebowaliby czasu i szkolenia, aby interpretować te nowe obrazy w trakcie operacji, zespół zwrócił się ku uczeniu głębokiemu. Przeszkolili kilka sieci konwolucyjnych do klasyfikowania każdej klatki OCT jako jednego z pięciu typów tkanek, a jako najlepszą architekturę wybrali Inception. W testach wewnętrznych model ten poprawnie identyfikował tkanki z dokładnością około 99,6% i utrzymywał wysoką wydajność na dodatkowych nerkach, których wcześniej nie widział. W osobnym zadaniu użyto innego projektu sieci, nnU‑Net, do wytyczania naczyń krwionośnych na obrazach Doppler OCT. Model ten nauczył się rozróżniać płynącą krew od tła tkankowego z bardzo dużym pokryciem względem ręcznie oznaczonych etykiet ekspertów, nawet dla naczyń mniejszych niż 0,2 milimetra, które trudno zobaczyć standardowymi narzędziami.

Jak to się ma do dzisiejszych narzędzi

Obecnie lekarze zwykle polegają na ultradźwiękach lub fluoroskopii opartej na promieniowaniu rentgenowskim, aby prowadzić igły nefrostomijne. Techniki te pokazują ogólne położenie nerki i przybliżoną ścieżkę igły, ale ich relatywnie gruba rozdzielczość utrudnia precyzyjne określenie, jaka tkanka znajduje się tuż przy końcówce, lub jak blisko leży naczynie krwionośne. W eksperymentach kontrolnych doświadczeni radiolodzy, korzystając z obrazów strukturalnych i Dopplera ultradźwiękowego, mieli trudności z identyfikacją dokładnej tkanki przy końcówce igły i nie byli w stanie wiarygodnie zobrazować drobnych naczyń. W przeciwieństwie do tego system OCT oferował szczegółowy lokalny widok oraz automatyczną analizę działającą w ułamku sekundy na nowoczesnych procesorach graficznych, wystarczająco szybko, by dostarczać informacji zwrotnej w miarę postępu igły.

Co to może znaczyć dla pacjentów

Badanie sugeruje, że połączenie sondy OCT zamontowanej w igle z uczeniem głębokim mogłoby uczynić procedury dostępu do nerki bezpieczniejszymi i bardziej wydajnymi. W przyszłości lekarz mógłby wprowadzić zwykłą igłę z sondą wewnątrz, obserwować obrazy o drobnej skali w czasie rzeczywistym i polegać na oprogramowaniu, które sygnalizuje, kiedy końcówka weszła do właściwej jamy lub zbliża się do naczynia krwionośnego. Mniej prób nakłuć oznaczałoby mniejsze urazy tkanki, niższe ryzyko krwawienia oraz potencjalnie krótsze zabiegi i pobyty w szpitalu. Choć prace przeprowadzono na oddanych nerkach, a nie na żywych pacjentach, tworzy to podstawy dla systemów klinicznych, które mogłyby również pomóc w prowadzeniu innych zabiegów z użyciem igieł, od biopsji i blokad anestezyjnych po celowane podawanie leków.

Cytowanie: Wang, C., Calle, P., Yan, F. et al. Percutaneous nephrostomy guidance by a convolutional-neural-network-based optical coherence tomography endoscope. Commun Eng 5, 47 (2026). https://doi.org/10.1038/s44172-026-00613-8

Słowa kluczowe: chirurgia kamicy nerkowej, prowadzenie igły, tomografia koherencyjna optyczna, AI w obrazowaniu medycznym, wykrywanie naczyń krwionośnych