Классификация ректальной неоплазии с помощью искусственного интеллекта по анализу эндоскопической флуоресцентной перфузии

Почему это важно для пациентов и врачей

Для людей с крупными ректальными полипами один из ключевых вопросов — является ли образование доброкачественным или уже превращается в рак. Сегодня врачи часто не могут быть уверены до тех пор, пока не удалят весь очаг, что может привести к более масштабным операциям, чем необходимо, или к задержкам в лечении. В этом исследовании изучают, сможет ли интеллектуальная техника визуализации в сочетании с искусственным интеллектом обнаруживать скрытый рак уже во время процедуры, отслеживая, как кровь циркулирует в ткани.

Слушая, как питается опухоль

Опухоли растут иначе, чем нормальная ткань. Они стимулируют образование новых, аномальных сосудов, которые просачиваются и разветвляются беспорядочно. Эти изменения создают характерные закономерности в том, как кровь и вводимые красители поступают и выводятся из опухоли. Исследователи использовали краситель индоцианиновый зелёный, который светится при ближнем инфракрасном свете, и записывали короткие видеоролики во время эндоскопических операций у пациентов с крупными ректальными полипами и ранними раками прямой кишки. Наблюдая за яркостью свечения в течение нескольких минут, они могли получить некую «отпечаток перфузии» как для подозрительных, так и для здоровых областей у одного и того же пациента.

Преобразование рисунков свечения в данные

Каждое видео анализировалось специальным программным обеспечением, которое делило видимую поверхность стенки кишечника на сетку из крошечных квадратиков и отслеживало их во времени, даже при движении камеры и ткани. Для каждого квадратика программа измеряла, насколько яркой становилась флуоресценция, как быстро она достигала пика и как быстро спадала. Затем кривые очищали и нормализовали, чтобы их можно было сравнивать напрямую. Из этих временных зависимостей команда извлекла простые числовые признаки, такие как максимальный сигнал и снижение сигнала в определённые моменты после пика. Они также оценивали, насколько неоднородными были эти значения в поражённой области, используя статистику, отражающую вариацию внутри опухоли по сравнению с соседней здоровой тканью.

Обучение искусственного интеллекта

Группа изучила 190 видеозаписей от 182 пациентов, пролеченных в шести больницах в четырёх странах; примерно у трёх из пяти пациентов рак в итоге был подтверждён под микроскопом. Они обучили модель машинного обучения (классификатор XGBoost) различать доброкачественные и злокачественные образования только по признакам потока красителя, не опираясь на обычные цветные изображения. При применении к новым случаям модель правильно определяла рак у значительного большинства пациентов, показывая результаты на уровне или слегка лучше, чем многие стандартные инструменты, используемые на практике, такие как эндоскопические биопсии, предоперационная МРТ и визуальная оценка эксперта-хирурга.

Добавление реальных клинических данных

В реальной практике врачи редко полагаются на один тест. Исследователи поэтому объединили выходные данные ИИ с информацией, которая уже доступна: отчётами МРТ и мнением оперировавшего хирурга. Когда эти данные подавались в ту же вычислительную схему, способность выявлять рак улучшалась, особенно в части корректного исключения болезни при доброкачественных образованиях. В наилучшем сценарии комбинированная система обнаруживала около 86% раков, одновременно избегая ложных тревог примерно в 71% случаев без рака. Подход также работал достаточно хорошо в подгруппах пациентов, более типичных для ранней локально устранимой болезни.

Что это может значить для будущей помощи

Исследование показывает, что рак в крупных ректальных полипах оставляет обнаружимую сигнатуру в том, как через них проходит кровь и краситель, и что эту сигнатуру можно автоматически выявлять с помощью ИИ. Хотя работа пока проводилась на записанных видео и требует подтверждения в клинических испытаниях в реальном времени, она указывает на будущее, в котором колоноскопист мог бы во время процедуры получить сигнал о том, что, вероятно, за кажущимся безобидным полипом скрывается инвазивный рак. Эта информация могла бы направлять, где брать биопсию, удалять ли образование локально или направлять пациента на более объёмную операцию, снижая как пропуск онкологии, так и ненужные крупные вмешательства.

Цитирование: Boland, P.A., MacAonghusa, P., Singaravelu, A. et al. Artificial intelligence classification of rectal neoplasia by endoscopic fluorescence perfusion analysis. Sci Rep 16, 4761 (2026). https://doi.org/10.1038/s41598-026-35233-x

Ключевые слова: рак прямой кишки, эндоскопическая визуализация, флуоресцентная перфузия, искусственный интеллект, машинное обучение