Компьютерная диагностика острой бильрубиновой энцефалопатии новорожденных с помощью мульти-модальных МРТ-изображений и сверточных нейронных сетей

Почему это важно для новорожденных и их семей

Желтуха часто встречается у новорождённых и обычно не представляет опасности, но у некоторых младенцев накопление жёлтого пигмента — бильрубина — может тихо повреждать мозг. Врачи испытывают трудности с определением по снимкам и анализам крови, какие младенцы находятся в реальной опасности. В этом исследовании проверяли, смогут ли интеллектуальные компьютерные инструменты точнее «читать» мозговые снимки, чем человеческий глаз, помогая врачам защитить детей от необратимой инвалидности и одновременно избегать лишней тревоги и ненужного лечения.

Скрытая опасность при неонатальной желтухе

У большинства младенцев в какой‑то степени развивается желтуха, пока незрелая печень учится выводить бильрубин из крови. При очень высоких уровнях пигмент может проникать в чувствительные глубинные структуры мозга и вызывать состояние, называемое острой бильрубиновой энцефалопатией, которое при отсутствии своевременного лечения может привести к длительным нарушениям движения, слуха и обучения. Сложность в том, что раннее повреждение мозга может быть неочевидным и обратимым, а существующие клинические шкалы и лабораторные тесты несовершенны. Магнитно‑резонансная томография (МРТ) предоставляет неинвазивное окно в мозг новорождённого, но даже специалисты часто замечают, что поражённые и непоражённые дети на стандартных снимках выглядят удивительно похоже.

Смотреть на мозг в нескольких «очках» одновременно

Традиционная МРТ у таких детей в основном сосредоточена на одном типе изображений — T1‑взвешенных, где бледно‑серое ядро — globus pallidus (чёрная субстанция) — небольшая глубокая область, вовлечённая в движение, может выглядеть необычно яркой при повреждении бильрубином. Ранее показали, что чтение только этих изображений, даже с простыми компьютерными измерениями или ранними моделями глубокого обучения, оставляет много ошибок. Авторы предположили, что другие «варианты» МРТ, такие как T2‑взвешенные снимки и диффузионные карты, отслеживающие движение воды в ткани мозга, могут содержать дополнительные подсказки. Вместо того чтобы просить врачей вручную измерять конкретные области, они решили подать полное разнообразие этих трёх типов изображений в современные алгоритмы распознавания изображений.

Обучение компьютеров обнаруживать раннее повреждение мозга

Исследователи собрали мозговые снимки 150 новорождённых с высоким уровнем бильрубина: у половины были признаки острого вовлечения мозга, у половины — нет. Для каждого ребёнка получали три серии МРТ — T1, T2 и диффузионную карту, называемую коэффициентом кажущейся диффузии (ADC). Сначала изображения тщательно выровняли и обрезали так, чтобы остался только мозг, затем изменили размер и нормализовали яркость для обработки стандартным программным обеспечением для анализа изображений. Учёные проверили две общие стратегии. Одна опиралась на классический метод машинного обучения — метод опорных векторов — с простыми вручную рассчитанными отношениями яркости между уязвимой глубокой структурой (globus pallidus) и прилежащим белым веществом. Другая использовала мощные модели глубокого обучения — InceptionV3 и EfficientNetB0, которые сами учат визуальные признаки напрямую из сырых изображений.

Смешение типов снимков даёт самое ясное представление

При сравнении методов более простой подход с ручными измерениями действительно улучшался при объединении нескольких типов снимков, но его лучшая точность всё ещё была недостаточна для уверенного клинического решения. Напротив, модели глубокого обучения значительно улучшались по мере объединения дополнительных типов МРТ. Сложив T1, T2 и ADC‑изображения вместе подобно трём цветовым каналам фотографии, наилучшая сеть (InceptionV3) корректно различала поражённых и непоражённых детей в более чем 96% случаев, с почти идеальной общей мерой дискриминационной способности. Визуальные карты регионов, на которые опиралась сеть, показали, что она фокусировалась на тех же глубоких областях мозга — globus pallidus, субталамических ядрах и гиппокампе — которые клинические эксперты считают наиболее уязвимыми к повреждению бильрубином, что указывает на то, что компьютер выучивал клинически значимые шаблоны, а не случайные артефакты.

От исследовательского инструмента к помощнику у постели больного

Авторы заключают, что тщательно обученная система компьютерной поддержки диагностики, питаемая несколькими взаимодополняющими типами МРТ, а не одиночным снимком, может с впечатляющей точностью отмечать раннее бильрубин-ассоциированное повреждение мозга у новорождённых. Хотя работа выполнена в одной больнице и ещё сталкивается с такими проблемами, как переобучение и необходимость тестирования на больших и более разнообразных группах детей, она указывает на будущее, в котором продвинутые алгоритмы чтения изображений выступают в роли второго взгляда для педиаторов и радиологов. При разумном использовании такие инструменты могли бы помочь определить, каких детей с желтухой нужно лечить срочно, и — не менее важно — обнадежить семьи, когда мозг ребёнка, вероятно, в безопасности.

Цитирование: Wu, M., Liu, Q. Computer-aided diagnosis of neonatal acute bilirubin encephalopathy with multi-modal MRI images and convolutional neural networks. Sci Rep 16, 9611 (2026). https://doi.org/10.1038/s41598-025-33337-4

Ключевые слова: неонатальная желтуха, бильрубиновая энцефалопатия, мозговая МРТ, глубокое обучение, компьютерная поддержка диагностики