Интраоперационная визуализация риска при биопсии рака лёгкого

Увидеть скрытые следы рака

Хирурги, оперирующие при раке лёгкого, сталкиваются с задачей высокой ответственности: во время операции нужно быстро обнаружить микроскопические опухоли и точно определить их границы, тогда как доступные сегодня инструменты могут пропустить опасные участки или отнимать слишком много времени. В этом исследовании предложен новый способ «видеть» рак — не по самим опухолевым клеткам, а по микроскопическому каркасу, который их окружает. Сочетая передовую лазерную визуализацию с методами искусственного интеллекта, авторы показывают, что можно быстро и с высокой точностью выявлять рак лёгкого и его границы.

Поддерживающая ткань, которая рассказывает историю

Наши лёгкие удерживаются сетью белковых волокон, называемой внеклеточным матриксом. Два ключевых компонента — коллаген и эластин — придают ткани прочность и упругость. При развитии рака эти волокна перестраиваются: меняются их расположение, плотность и взаимодействие друг с другом. Исследователи предположили, что эти тонкие структурные изменения могут служить надёжными отпечатками рака, даже когда опухоли трудно заметить обычной хирургической камерой.

Нежный лазерный микроскоп в операционной

Команда создала специализированный мультипhotonный микроскоп — тип лазерной системы, который может заглянуть на сотни микрометров в свежую ткань без применения красителей. При одном ближнеинфракрасном режиме он одновременно фиксирует два сигнала: один подчёркивает коллаген, другой — эластин. Такое двойное изображение даёт чёткие 3D‑виды волоконной сети лёгкого за пару минут на участок, что достаточно быстро для практического применения в ходе операции. Метод опробовали на материалах от 222 пациентов с аденокарциномой лёгкого, получив сотни небольших 3D‑стеков изображений как из опухолевых, так и из нормальных областей.

Обучение ИИ читать код волокон

Вместо визуальной оценки этих изображений учёные измеряли каждый маленький объёмный элемент, или воксель, по нескольким признакам: насколько выровнены волокна, насколько они волнистые, насколько плотно заполняют пространство, каковы толщины эластиновых нитей и насколько похожи соседние коллагеновые и эластиновые волокна по положению и направлению. Они ввели новый «коэффициент сходства», который растёт, когда коллаген и эластин расположены рядом и ориентированы одинаково. С помощью неконтролируемого обучения миллионы вокселей были сгруппированы в повторяющиеся «словарные» структуры волокон, отражающие типичные структурные паттерны. Стандартный классификатор машинного обучения затем научился различать, как сочетание этих «словарей» отличается в нормальной и раковой ткани.

От невидимых паттернов к картам риска

Когда эту систему проверили на независимом наборе образцов лёгких, она выявила рак с чувствительностью около 99%, то есть почти никогда не пропускала опухоль. Исследователи пошли дальше и создали «индекс риска рака» для каждого словаря волокон, показывающий, чаще ли он встречается в здоровой или поражённой ткани. Окрашивая каждый воксель в соответствии с этим индексом, они получили наглядные карты риска: области опухоли светятся тёплыми оттенками, нормальные участки — холодными, а пограничные зоны показывают смешанные цвета. Эти карты успешно обозначали границу между опухолью и нормальной тканью в человеческих образцах и выявили те же тенденции ремоделирования в живом мышином модели, что говорит о возможности переноса подхода в реальное время в операционной.

Что это может значить для пациентов

Вместо ожидания результатов замороженных срезов патологии хирурги однажды смогут просканировать подозрительные участки лёгкого небольшим лазерным зондом и сразу увидеть, где рак наиболее вероятно скрывается, благодаря перестроенному коллагену и эластину вокруг него. Это исследование показывает, что каркас опухоли несёт сильный, читаемый сигнал риска, и что ИИ способен превратить этот сигнал в понятные визуальные подсказки. Если технология будет развита до клинических инструментов, такая визуализация может повысить точность биопсий, сократить число повторных операций и помочь удалить опасную ткань, сохранив при этом как можно больше здоровой лёгочной ткани.

Цитирование: Qian, S., Yang, L., Meng, J. et al. Intraoperative biopsy imaging of lung cancer risk. Commun Med 6, 143 (2026). https://doi.org/10.1038/s43856-026-01406-y

Ключевые слова: операции при раке лёгкого, интраоперационная визуализация, внеклеточный матрикс, мультип photonная микроскопия, диагностика с помощью искусственного интеллекта