Иерархический конвейер глубокого обучения для надёжного измерения параметров шейного отдела в рентгенограммах при закрытии C7

Почему шейным рентгенам нужна помощь

Когда врачи планируют операцию на шее или отслеживают проблемы с позвоночником во времени, они опираются на точные измерения, сделанные по боковым рентгеновским снимкам шейного отдела. Эти углы и расстояния, описывающие кривизну шеи и её соотношение с остальным телом, тесно связаны с уменьшением боли, функцией нервов и долгосрочными исходами. Тем не менее в обычной практике такие измерения занимают много времени, могут варьировать от специалиста к специалисту и часто искажаются, когда часть нижнего шейного позвонка (C7) скрыта плечами пациента. В этом исследовании представлена новая система искусственного интеллекта, специально разработанная для решения этой реальной проблемы.

Сложная задача в повседневной шейной визуализации

Боковые рентгенограммы шеи — это основной инструмент в спинальных клиниках по всему миру. По этим изображениям хирурги измеряют, насколько шея изгибается назад (шейный лордоз), как наклонён каждый позвонок и насколько голова выдвинута вперед относительно позвоночника. Эти показатели помогают решить, нужна ли операция, какой тип вмешательства выбрать и насколько хорошо пациент восстанавливается. Однако ручные измерения занимают много времени и могут быть непоследовательными, особенно когда разные клиницисты проводят слегка отличающиеся линии на одном и том же снимке. Усугубляет ситуацию то, что на многих рентгенах позвонок C7 — ключевая ориентира в основании шеи — частично или полностью скрыт за плечами пациента, что затрудняет точные измерения даже для экспертов.

Как пошаговая система ИИ «читает» позвоночник

Чтобы справиться с этим, исследователи создали «иерархический», то есть пошаговый конвейер глубокого обучения, который имитирует подход внимательного человека к сложному изображению. Сначала глобальная модель просматривает весь рентген, приведённый к стандартному квадратному размеру, и делает грубые предположения о том, где находятся важные точки на позвонках от C2 до C7. Затем, вместо того чтобы на этом остановиться, отдельный модуль оценивает, где должен находиться скрытый участок C7, опираясь на более хорошо видимые кости выше. С этой подсказкой система кадрирует участки высокого разрешения вокруг верхней (C2) и нижней (C7) частей шеи. Две специализированные модели заново анализируют эти более мелкие фрагменты, уточняя положения ключевых углов и центров. Наконец, система объединяет уточнённые верхние и нижние метки с исходными средненижними точками, чтобы вычислить клинически важные углы и смещения.

Испытание системы

Команда обучала модели на более чем 5600 рентгенах из многонациональных наборов данных, которые намеренно включали много сложных случаев с плохой визуализацией C7. Затем систему протестировали на двух отдельных группах: внутреннем наборе из той же больницы и внешнем наборе из публичной базы данных, специально дополненной изображениями, где C7 был частично или полностью скрыт. По обеим группам измерения ИИ кривизны шеи и наклона позвонков очень хорошо совпадали со «золотыми» значениями, отмеченными экспертами. На сложных внешних данных показатели совпадения находились в диапазоне «отлично» для всех основных параметров, с типичными ошибками в несколько градусов. Важно, что иерархический конвейер превзошёл более простую одношаговую модель, особенно когда C7 был закрыт. В некоторых наиболее тяжёлых случаях он сократил крупные ошибки примерно с 10 градусов до менее чем четверти градуса, фактически спасая измерения, которые иначе были бы ненадёжными.

Более согласованно, чем у людей

Исследователи также сравнили воспроизводимость ИИ с воспроизводимостью человеческих специалистов. Когда один и тот же эксперт измерял одни и те же изображения дважды, результаты по некоторым углам — особенно тем, которые связаны с C7 — могли заметно различаться при повторных попытках. Напротив, когда ИИ многократно обрабатывал один и тот же рентген, его результаты были почти совершенно идентичны. Примечательно, что совпадение между ИИ и каждым специалистом по сложному углу, связанному с C7, было выше, чем совпадение между двумя человеческими ридерами. Это говорит о том, что система, скорее всего, не заменит клиницистов, а послужит стабильным, стандартизированным инструментом измерения, уменьшая человеческую вариабельность, особенно в пограничных или закрытых случаях.

Что это означает для пациентов и клиник

Практический вывод для пациентов таков: компьютеры теперь могут помогать спинальным хирургам читать шейные рентгены быстрее и последовательнее, даже когда части изображения плохо видны. Исследование показывает, что тщательно спроектированная многошаговая система ИИ способна работать в неидеальных, «грязных» реальных условиях визуализации, а не полагаться только на совершенные снимки. Хотя требуется дополнительная проверка подхода на послеоперационных изображениях, других томографах и при полном исследовании позвоночника, этот иерархический конвейер устанавливает новый эталон автоматизированного анализа шейного отдела. Он указывает на будущее, в котором ИИ тихо работает в фоновом режиме, помечая проблемные изображения для проверки человеком и предоставляя надёжные измерения, которые поддерживают более безопасный и точный уход.

Цитирование: Kang, DH., Park, SJ., Park, JS. et al. Hierarchical deep learning pipeline for robust cervical parameter measurement in radiographs with C7 obscuration. npj Digit. Med. 9, 261 (2026). https://doi.org/10.1038/s41746-026-02455-2

Ключевые слова: шейный отдел позвоночника, ИИ в медицинской визуализации, глубокое обучение, выравнивание позвоночника, анализ рентгенограмм