EAU 2025 – ШІ

Майбутні перспективи діагностики ниркових утворень: ШІ та візуалізація

Секція EAU сесії урологічної візуалізації «Рак нирки: проблеми візуалізації при лікуванні ниркових утворень» охоплювала майбутні перспективи характеристики неоднозначних ниркових утворень. Голова секції професор Франческо Сангедольче (Іспанія) та модератори професор Аксель Бекс (Велика Британія), професор Пітер Малдерс (Нідерланди) і професор Максін Тран (Великобританія) очолили пленарне засідання, яке завершилося врученням першої премії EAU Imaging Vision Award 2025.

Радіологічне зображення
Під час лекції «Що нового в радіологічній візуалізації?» ведучий професор Олександр Інгельс (Франція) підкреслив важливість мультимодальних підходів для сумнівних утворів. Згадані нові технології включали:

Комп’ютерна томографія з підрахунком фотонів (Photon-counting CT scan): найновіша та найперспективніша технологія, яка фіксує спектральну інформацію (тобто точніші властивості ослаблення тканин).
Двоенергетична комп’ютерна томографія (DECT): усуває псевдопідсилення (тобто коригує артефакти зміцнення променя), забезпечує накладення зображень із кольоровим кодуванням йоду та зменшує потребу в додаткових тестах візуалізації (подібно до МРТ).
Ультразвукове зображення з контрастним підсиленням: використовується контрастна речовина, що складається з мікропухирців газу, стабілізованих фосфоліпідною оболонкою.

Професор Інгельс також наголосив на важливості стандартизації класифікацій, таких як Bosniak Classification of Cystic Renal Masses (version 2019) , яка зменшує варіабельність між спостерігачами, формально включає функції МРТ і класифікує більшу частку випадків як нижчий ризик. Нова класифікація Clear-Cell Likelihood Score (ccLS) — це шкала Лайкерта-Likert scale (від 1 балу = дуже малоймовірно до 5 балів = дуже ймовірно), призначена для покращення прогнозування гістопатологічних особливостей малих ниркових новоутворень у багатопараметричних дослідженнях МРТ.

Він заявив: «Ці нові технології запропонують нові можливості для додатків штучного інтелекту (ШІ).»

Молекулярне зображення
У своїй презентації «Що нового в молекулярній візуалізації?» д-р Джузеппе Базіле (ІТ) дійшов висновку, що, хоча FDG-PET (фтордезоксиглюкозно-позитронно-емісійна томографія) і PSMA-PET мають низьку діагностичну точність для характеристики первинних пухлин, вони все ж працюють краще у виявленні метастатичного захворювання (тобто PSMA-PET має вищу чутливість).

Крім того, хоча Sestamibi SPECT/CT (однофотонна емісійна комп’ютерна томографія в поєднанні з комп’ютерною томографією) є недорогим і високодоступним інструментом, він має низьку точність діагностики онкоцитарних пухлин.

Доктор Базіле також заявив, що ПЕТ/КТ з 89ZrZr-гірентуксимабом продемонструвала оптимальну діагностичну точність у диференціації проміжних ниркових утворень (ccRCC), пропонуючи безпечний підхід із кращим співвідношенням пухлини до фону та високою специфічністю.

Потенційні програми ШІ
Під час своєї презентації «Якою буде роль штучного інтелекту?» д-р Енріко Чеккуччі (IT) обговорив потенційне застосування штучного інтелекту для візуалізації ниркових новоутворень з точки зору сегментації пухлини нирки, класифікації, стадії та класифікації, а також оцінки нефрометрії.

Доктор Чеккуччі заявив, що використання повністю автоматичної сегментації в сегментації пухлини нирки є першим кроком у класифікації раку, стадії та плануванні лікування на основі машинного навчання (наприклад, алгоритми UNet і nnUNet).

Щодо класифікації, ШІ має потенціал для диференціації між доброякісними та злоякісними ураженнями. Алгоритми глибокого навчання (DL) можуть диференціювати онкоцитому від НКР з точністю 0,75. За допомогою  нейронних мереж (CNN) можна відрізнити доброякісні новоутворення від злоякісних з точністю 78% і площею під кривою (AUC) 0,82. Використовуючи радіоміку, можна поєднати демографічні, гістологічні та геномні дані для подальшого покращення прогнозування класифікації.

Під час визначення стадії інтеграція клінічних змінних і радіологічних даних з алгоритмами DL дозволяє передбачити стадію RСС. Крім того, включення радіоактивних характеристик дозволяє досягти AUC 0,83.

Щодо класифікації, численні радіологічні дослідження були зосереджені на оцінці агресивності пухлини через прогноз ядерного ступеня.

Що стосується оцінки балів нефрометрії, різні дослідження вивчали здатність ШІ оцінювати різні бали нефрометрії, такі як PADUA, RENAL та C-індекс.

Потенційні майбутні застосування включають використання радіогеноміки для подолання обмежень тканинних біомаркерів і прогнозування наявності соматичних генних мутацій, а також 3D віртуальних моделей для кращого розуміння складності пухлини, визначення хірургічної стратегії та оптимізації стадії, класифікації та гістопатологічної характеристики.

EAU

Шуляк О.