Orientação para nefrostomia percutânea por endoscópio de tomografia de coerência óptica baseado em rede neural convolucional

Por que um acesso renal mais seguro importa

A doença por cálculo renal está se tornando mais comum, e muitos pacientes precisam que um pequeno tubo seja colocado diretamente no rim para drenar urina ou remover pedras. Esse procedimento, chamado nefrostomia percutânea, é realizado guiando uma agulha a partir das costas do paciente até o centro oco do rim. Embora a punção seja minúscula, escolher o caminho errado pode rasgar estruturas renais delicadas ou danificar vasos sanguíneos, levando a sangramentos e outras complicações. Este estudo apresenta uma nova sonda de imagem de alta resolução, associada à inteligência artificial, que desliza dentro da ponta da agulha para ajudar os médicos a ver exatamente para onde estão indo e a evitar danos.

Uma câmera minúscula dentro da agulha

Os pesquisadores construíram uma sonda de imagem direcionada para frente baseada em tomografia de coerência óptica (OCT), um método baseado em luz que pode capturar “fatias” seccionais do tecido com resolução micrométrica—cerca de dez vezes mais fina que o ultrassom médico padrão. Eles embutiram uma lente de índice gradiente fina dentro de uma agulha de nefrostomia padrão para que, durante a inserção, a sonda possa olhar diretamente à frente para dentro do rim. Ao contrário dos endoscópios convencionais, que mostram principalmente superfícies, este sistema fornece imagens com resolução em profundidade, revelando como a estrutura do tecido muda abaixo da ponta. A mesma sonda também pode operar em modo Doppler, que destaca glóbulos vermelhos em movimento e, assim, revela vasos sanguíneos à frente da agulha antes de serem perfurados.

Reconhecendo camadas renais em tempo real

Para testar se o sistema conseguia distinguir diferentes tecidos renais, a equipe realizou experimentos em 31 rins humanos doados mantidos em condições próximas das normais. Em procedimentos reais, a agulha deve passar pelo córtex externo e pela medula interna, depois entrar em uma região em forma de taça chamada cálice e, finalmente, emergir no útero coletor central da urina (pelve). Desviar do trajeto correto corre o risco de atravessar espaços gordurosos entre estruturas e rasgar paredes finas. Os pesquisadores tocaram sistematicamente a sonda em cinco tipos de tecido—córtex, medula, cálice, gordura do seio renal e pelve—and capturaram milhões de imagens OCT mostrando seus padrões distintivos. Por exemplo, córtex e medula pareciam lisos, mas diferiam em profundidade; o cálice mostrou transições em faixas; a gordura do seio renal produziu redes pontilhadas brilhantes; e a pelve apareceu como um espaço vazio abaixo da sonda.

Ensinando um sistema inteligente a identificar perigo

Como especialistas humanos precisariam de tempo e treinamento para interpretar essas novas imagens durante uma operação, a equipe recorreu ao aprendizado profundo. Eles treinaram várias redes neurais convolucionais para classificar cada quadro OCT em um dos cinco tipos de tecido e, em seguida, selecionaram uma arquitetura chamada Inception como a de melhor desempenho. Em testes internos, esse modelo identificou corretamente os tecidos com uma precisão de cerca de 99,6% e manteve alto desempenho em rins adicionais que nunca havia visto antes. Em uma tarefa separada, usaram outro design de rede neural, o nnU-Net, para contornar vasos sanguíneos em imagens Doppler OCT. Esse modelo aprendeu a distinguir sangue em fluxo do tecido de fundo com sobreposição muito alta em relação aos rótulos desenhados manualmente por especialistas, mesmo para vasos menores que 0,2 milímetro de diâmetro, difíceis de ver com ferramentas padrão.

Como isso se compara às ferramentas atuais

Atualmente, os médicos geralmente dependem de ultrassom ou fluoroscopia baseada em raios X para guiar agulhas de nefrostomia. Essas técnicas mostram a posição geral do rim e o trajeto aproximado da agulha, mas sua resolução relativamente grosseira dificulta saber exatamente qual tecido está na ponta ou quão próximo está um vaso sanguíneo. Em experimentos de controle, radiologistas experientes usando ultrassom estrutural e Doppler tiveram dificuldade em identificar o tecido preciso na ponta da agulha e não conseguiram visualizar de forma confiável vasos minúsculos. Em contraste, o sistema OCT ofereceu uma visão local detalhada além de análise automatizada que roda em frações de segundo em processadores gráficos modernos, rápida o suficiente para fornecer feedback enquanto a agulha avança.

O que isso pode significar para os pacientes

O estudo sugere que combinar uma sonda OCT montada na agulha com aprendizado profundo pode tornar os procedimentos de acesso renal mais seguros e eficientes. No futuro, o médico poderia inserir a agulha habitual com a sonda dentro, ver imagens em pequena escala aparecerem em tempo real e confiar no software para sinalizar quando a ponta entrou na cavidade correta ou está se aproximando de um vaso sanguíneo. Menos tentativas de punção significariam menos trauma tecidual, menor risco de sangramento e, potencialmente, procedimentos e internações mais curtos. Embora o trabalho tenha sido realizado em rins doados em vez de pacientes vivos, ele estabelece as bases para sistemas clínicos que também poderiam orientar outras intervenções com agulha, desde biópsias e bloqueios anestésicos até entrega direcionada de medicamentos.

Citação: 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

Palavras-chave: cirurgia de cálculo renal, guiamento de agulha, tomografia de coerência óptica, IA em imagem médica, detecção de vasos sanguíneos