Обнаружение настроек клапана шунта Certas Plus на КТ с помощью ИИ

Почему это важно для людей с дренажами головного мозга

Многие пациенты с состоянием, называемым гидроцефалией, полагаются на тонкие имплантированные трубки — шунты — для отведения избытка жидкости из мозга. В этих шунтах есть небольшой настраиваемый клапан, который врачи могут регулировать как циферблат, чтобы контролировать скорость оттока. Если настройка неверна или клапан неисправен, пациент может сильно заболеть, и врачам часто нужны срочные ответы по исследованиям головы. В этом исследовании изучается, может ли искусственный интеллект (ИИ) определять настройки такого клапана прямо по рутинным КТ-снимкам, что потенциально экономит время, дополнительные тесты и даже перевод пациентов между госпиталями.

Задача чтения крошечного регулятора внутри головы

Для пациентов с настраиваемыми шунтами знание текущей настройки клапана критично. Настройка может измениться случайно, например после воздействия сильных магнитов в аппарате МРТ, что приводит к чрезмерному или недостаточному дренажу. В теории врачи могут увидеть настройку на специальных рентгеновских снимках или с помощью портативного инструмента, но на практике во многих больницах под рукой есть только КТ-сканер. К сожалению, металлические детали шунта и трехмерная природа КТ делают индикатор трудночитаемым, даже для опытных нейрохирургов. В этом исследовании авторы сосредоточились на одной распространённой модели — клапане Certas Plus — и проверили, сможет ли система ИИ надёжно определить его настройку по стандартным КТ-снимкам.

Преобразование КТ-изображений в простой угол

Команда собрала 391 КТ-томографию головы пациентов с клапанами Certas Plus за семь лет. Для каждого снимка они убедились, что документированная в медицинской карте настройка клапана совпадает с тем, что два нейрохирурга увидели на изображениях, что обеспечило надежную эталонную информацию. Затем использовали современный тип ИИ для 3D-изображений — U-образную нейронную сеть — чтобы обучить компьютер находить пять небольших металлических маркеров внутри каждого клапана. После определения маркеров кастомное программное обеспечение вычисляло центр каждого и восстанавливало ориентацию клапана. Сравнивая линию через два специальных магнита с линией через другие опорные метки, программа измеряла угол, который затем переводился в одно из восьми возможных положений клапана.

Насколько хорошо компьютер соответствовал реальным настройкам

На отдельной тестовой группе из 75 КТ-снимков система ИИ успешно находила маркеры и вычисляла угол в 97,3% случаев. Она точно предсказала задокументированную настройку клапана в 81,3% снимков. Важно, что при ошибках система почти всегда выбирала положение, соседнее с истинным на циферблате, никогда не переходя от очень низкого расхода к полностью закрытому. Поскольку сам клапан можно плавно настраивать между маркированными позициями, даже официальные инструменты иногда испытывают трудности с различением соседних положений. Когда исследователи считали предсказание приемлемым, если оно совпадало с правильным положением или отличалось на один шаг, общая точность выросла до 96%, что, по их мнению, имеет значение для повседневных клинических решений.

Что это может изменить в повседневной помощи

Уход за пациентами с гидроцефалией дорог, и одна из основных статей расходов связана с переводом пациентов между больницами для специализированных исследований. Если рутинную КТ в небольшой больнице можно автоматически проанализировать и подтвердить, что настройка клапана разумна, часть таких переводов может быть предотвращена. Модель ИИ также генерирует цветовые контуры частей клапана на изображении, чтобы клиницисты могли визуально проверить и подтвердить работу алгоритма, а не слепо полагаться на одно числовое значение. Несмотря на то что исследование проведено в одном центре на КТ-сканерах преимущественно одного производителя, результаты указывают на техническую осуществимость автоматизированного чтения настроек шунт-клапанов.

Куда это может привести дальше

Авторы приходят к выводу, что ИИ может надежно определять настройки клапанов Certas Plus на КТ-снимках, достигая точности, сопоставимой с экспертами-человеками, и, вероятно, достаточной для поддержки клинической практики. Они подчеркивают необходимость более крупных многоцентровых исследований, чтобы подтвердить работоспособность метода на разных сканерах и в разных популяциях пациентов, а также адаптировать его к другим типам клапанов или пациентам с более чем одним клапаном. Если эти усилия увенчаются успехом, будущие пациенты с гидроцефалией смогут быстро и безопасно проверять настройки своих клапанов по уже выполняемым обследованиям, сокращая потребность в дополнительной визуализации и помогая врачам раньше выявлять проблемы с шунтами.

Цитирование: Scheffler, P., Shah, M., Amirah, R. et al. AI-based detection of Certas Plus shunt valve settings in CT scans. Sci Rep 16, 9647 (2026). https://doi.org/10.1038/s41598-026-45388-2

Ключевые слова: гидроцефалия, шунт для ликвора, компьютерная томография, ИИ в медицинской визуализации, программируемый клапан