Анализ радиочастотных данных УЗИ с помощью ИИ для неинвазивной количественной оценки жира в печени у детей

Почему важно состояние жира в печени у детей

Все больше детей набирают избыточный жир в печени — состояние, связанное с ожирением и повышенным риском развития диабета и сердечно-сосудистых заболеваний в будущем. Ранняя диагностика и мониторинг этого жира крайне важны, но наиболее точный на сегодня тест — МРТ — дорогостоящ и недоступен повсеместно, а детям его переносить бывает сложно. В этом исследовании проверяли, смогут ли обычные ультразвуковые аппараты в сочетании с искусственным интеллектом (ИИ) измерять содержание жира в детской печени с точностью, сопоставимой с МРТ, без игл, ионизирующего излучения и длительных визитов в больницу.

Растущая проблема в юных организмах

Метаболическому дисфункционально-ассоциированному стеатотическому заболеванию печени (MASLD), ранее объединенному в понятие неалкогольной жировой болезни печени, теперь принадлежит место ведущего хронического заболеваний печени у детей. Оно встречается у примерно одного из десяти детей в целом и у половины детей с ожирением. В отличие от взрослых, дети часто испытывают трудности с задержкой дыхания, неподвижностью или перенесением инвазивных процедур, таких как биопсия печени, что ограничивает частоту безопасных и комфортных обследований. Измерения жира с помощью МРТ очень надежны, но дороги и иногда требуют седации. Обычное ультразвуковое исследование гораздо проще в использовании, но в основном даёт зернистое серое изображение, сильно зависящее от оператора, и пропускает легкие формы болезни. Ключевой вопрос — может ли более глубокая информация, скрытая в необработанных ультразвуковых сигналах, сократить этот разрыв.

Слушать необработанный звук вместо того, чтобы смотреть только изображение

Современные УЗИ-аппараты записывают не только знакомое серое изображение, но и лежащие в основе радиочастотные (RF) эхо‑сигналы — богатые данные звуковых волн, которые обычно отбрасываются. Исследователи проспективно включили в исследование 40 детей и подростков, обследуемых по поводу жировой болезни печени. В тот же день каждому ребенку провели специализированное УЗИ с сохранением RF-данных, стандартное ультразвуковое измерение ослабления звука в печени (параметр затухания), базовые анализы крови и МРТ, давшую точный процент жира в печени. На основе этих данных команда создала два типа ИИ-систем. Одна группа моделей анализировала вручную выделенные числовые признаки, или «радиомику», извлечённые из RF-сигналов. Другая использовала глубокое обучение, где нейронные сети изучали закономерности напрямую по изображениям, построенным на основе RF, с возможностью добавлять параметр затухания и ключевой фермент крови.

Чему ИИ научился, наблюдая за печенью детей

Исследователи сравнили несколько комбинаций входных данных: только RF; RF плюс обычное серое УЗ‑изображение; RF плюс параметр затухания; и полное сочетание RF, затухания и печёночного фермента из крови — АЛТ. Они обнаружили, что RF-данные были ключевыми: модели, опиравшиеся только на стандартные изображения, работали заметно хуже. Добавление серого изображения к RF не помогало и иногда снижало точность, что указывает на то, что сжатие богатой звуковой информации в простое изображение теряет полезные детали. Напротив, сочетание RF с количественным параметром затухания заметно улучшало результаты, а добавление АЛТ давало дополнительный прирост, особенно для модели глубокого обучения. Это отражает реальный клинический подход, при котором оценка печени выигрывает от сочетания визуальных признаков и биохимических маркеров крови.

Насколько близко к МРТ подошёл ультразвук с ИИ?

Лучшая радиомическая модель, использующая метод градиентного бустинга, объясняла примерно четыре пятых разброса значений жира, измеренного МРТ, и обычно ошибалась менее чем на 2 процентных пункта. Ведущая сеть глубокого обучения показала сопоставимую, хотя немного меньшую точность. Анализ согласия, сравнивающий каждую оценку ИИ с МРТ по множеству срезов, показал очень небольшие средние различия — значительно менее полупроцентного пункта — при том что большинство ошибок укладывались в несколько процентных пунктов. Практически это означает, что система УЗИ с ИИ способна отслеживать уровень жира в печени у детей достаточно близко к результатам МРТ, не требуя самой МРТ.

Что это может значить для детей и клиник

Исследование указывает на то, что обычные ультразвуковые аппараты, дооснащённые возможностью сохранять необработанные звуковые данные и объединённые с ПО на базе ИИ, могут превратиться в мощный, удобный для детей инструмент измерения жира в печени. Такие системы дешевле, доступнее и не связаны с радиацией, что делает их подходящими для повторного наблюдения по мере роста ребёнка или начала изменяющих образ жизни и медикаментозных вмешательств. Несмотря на то что работа выполнена в одной больнице на сравнительно небольшой группе пациентов и на одном типе сканера и требует подтверждения в больших многоцентровых исследованиях, она указывает на будущее, в котором жировую нагрузку печени у детей можно будет отслеживать в рамках обычных визитов в клинику. Для семей это может означать более раннее выявление проблем, более частые проверки без дополнительных рисков и лучшие шансы защитить детей от долгосрочных повреждений печени.

Цитирование: Choi, G., Ham, S., Je, BK. et al. AI-powered ultrasound radiofrequency analysis for non-invasive pediatric liver fat quantification. Sci Rep 16, 13798 (2026). https://doi.org/10.1038/s41598-026-37862-8

Ключевые слова: жировая печень у детей, ультразвуковая визуализация, искусственный интеллект, количественная оценка жира в печени, детское ожирение