Шабунин Алексей Васильевич, д-р мед. наук, профессор, академик РАН, заведующий кафедрой хирургии, трансплантологии и прикладной онкологии; директор
пр-д 2-й Боткинский, д. 5, г. Москва, 125284; ул. Баррикадная, д. 2/1, стр. 1, г. Москва, 125993
Alexey V. Shabunin, Dr. of Sci. (Medicine), Professor, Academician of the RAS, Head of Department of Surgery, Transplantology and Applied Oncology; Director
5, 2nd Botkinsky proezd, Moscow, 125284; 2/1, bld. 1, Barrikadnaya str., Moscow, 125993
Тавобилов Михаил Михайлович, д-р мед. наук, профессор кафедры хирургии, трансплантологии и прикладной онкологии; старший научный сотрудник, заведующий отделением хирургии печени и поджелудочной железы
пр-д 2-й Боткинский, д. 5, г. Москва, 125284; ул. Баррикадная, д. 2/1, стр. 1, г. Москва, 125993
Mikhail M. Tavobilov, Dr. of Sci. (Medicine), Professor, Department of Surgery, Transplantology and Applied Oncology; Head of the Department of Hepatopancreatobiliary Surgery
5, 2nd Botkinsky proezd, Moscow, 125284; 2/1, bld. 1, Barrikadnaya str., Moscow, 125993
Карпов Алексей Андреевич, д-р мед. наук, доцент кафедры хирургии, трансплантологии и прикладной онкологии; старший научный сотрудник, заместитель главного врача по хирургии
пр-д 2-й Боткинский, д. 5, г. Москва, 125284; ул. Баррикадная, д. 2/1, стр. 1, г. Москва, 125993
Alexey A. Karpov, Dr. of Sci. (Medicine), Associate Professor, Department of Surgery, Transplantology and Applied Oncology; Senior Researcher, Deputy Chief Physician for Surgery
5, 2nd Botkinsky proezd, Moscow, 125284; 2/1, bld. 1, Barrikadnaya str., Moscow, 125993
Аладин Марк Николаевич, младший научный сотрудник, врач-хирург отделения хирургии печени и поджелудочной железы
пр-д 2-й Боткинский, д. 5, г. Москва, 125284
Mark N. Aladin, Junior Researcher, Surgeon, Department of Hepatopancreatobiliary Surgery
5, 2nd Botkinsky proezd, Moscow, 125284
Ланцынова Айса Владимировна, канд. мед. наук, младший научный сотрудник, врач-хирург отделения хирургии печени и поджелудочной железы
пр-д 2-й Боткинский, д. 5, г. Москва, 125284
Aysa V. Lantsynova, Cand. of Sci. (Medicine), Junior Researcher, Surgeon, Department of Hepatopancreatobiliary Surgery
5, 2nd Botkinsky proezd, Moscow, 125284
Абрамов Кирилл Андреевич, канд. мед. наук, младший научный сотрудник, врач-хирург отделения хирургии печени и поджелудочной железы
пр-д 2-й Боткинский, д. 5, г. Москва, 125284; ул. Баррикадная, д. 2/1, стр. 1, г. Москва, 125993
Kirill A. Abramov, Cand. of Sci. (Medicine), Junior Researcher, Surgeon, Department of Hepatopancreatobiliary Surgery
5, 2nd Botkinsky proezd, Moscow, 125284
Кудряш Евгений Борисович, аспирант кафедры хирургии; младший научный сотрудник, врач-хирург отделения хирургии печени и поджелудочной железы
пр-д 2-й Боткинский, д. 5, г. Москва, 125284; ул. Баррикадная, д. 2/1, стр. 1, г. Москва, 125993
Evgeny B. Kudryash, postgraduate student, Department of Surgery, Transplantology and Applied Oncology; Junior Researcher, Surgeon, Department of Hepatopancreatobiliary Surgery
5, 2nd Botkinsky proezd, Moscow, 125284; 2/1, bld. 1, Barrikadnaya str., Moscow, 125993
Aim. Evaluation of the diagnostic and clinical effectiveness of the HepatoScan AI system, integrating neural network– based computed tomography (CT) analysis and interactive three-dimensional (3D) preoperative modeling in realworld clinical practice.
Materials and methods. A single-center comparative study was conducted, including a prospective cohort with artificial intelligence-assisted (AI) preoperative planning (n = 104) and a purposefully matched retrospective cohort undergoing standard preoperative planning (n = 100). In the AI-assisted group, automated liver and lesion segmentation, 3D volumetry, and stratification of anatomical complexity using the TROPH-L (Tumor – Regional capsule – Outflow veins – Portal vein – Hepatic bile – Localization) classification were applied. Diagnostic performance was assessed at the patient level using sensitivity, specificity, and AUROC (area under the receiver operating characteristic curve), with histopathological confirmation for malignant tumors and expert interpretation of multiphasic CT for benign lesions. Clinical effectiveness was analyzed in patients classified as TROPH-L II–III.
Results. The compared groups were well balanced in terms of demographic and clinical characteristics, lesion parameters, and distribution of TROPH-L categories. In the overall cohort, the use of HepatoScan AI was associated with a higher sensitivity of preoperative diagnosis compared with the standard approach (93.3% vs. 84.2%; p = 0.008), while maintaining high specificity. The AUROC was higher in the AI group (0.954 vs. 0.892), although the difference was not statistically significant; a similar trend was observed across nosological subgroups. Among patients classified as TROPH-L II–III (n = 54 in the AI group and n = 55 in the standard planning group), AI-assisted planning was associated with a shorter operative time (160 vs. 180 minutes; p = 0.01) and reduced intraoperative blood loss (280 vs. 400 mL; p = 0.004). In addition, a higher rate of R0 resections (100% vs. 91.3%) and lower rates of postoperative complications and in-hospital mortality were observed in the AI group, although these differences were not statistically significant.
Conclusion. Integration of the HepatoScan AI system with interactive 3D preoperative planning is associated with improved diagnostic performance and favorable intraoperative metrics in patients with liver tumors, particularly in anatomically complex cases (TROPH-L II–III). These findings highlight the strong potential of the proposed digital technologies to optimize preoperative planning and warrant further prospective multicenter validation.
Цель. Оценка диагностической и клинической эффективности системы HepatoScan AI, объединяющей нейросетевой анализ компьютерных томограмм (КТ) и интерактивное трехмерное (3D, three-dimensional) предоперационное моделирование в реальной клинической практике.
Материалы и методы. Выполнено одноцентровое сравнительное исследование с проспективной когортой пациентов, у которых предоперационное планирование выполнялось с поддержкой искусственного интеллекта (ИИ, n = 104) и целенаправленно подобранной ретроспективной когортой стандартного планирования (n = 100). В группе ИИ применялись автоматическая сегментация печени и очагов, 3D-волюметрия и стратификация анатомической сложности по шкале TROPH-L (Tumor – Regional capsule – Outflow veins – Portal vein – Hepatic bile – Localization, опухоль – отношение к капсуле печени – печeночные вены – воротная вена – желчные протоки – локализация). Диагностическую эффективность оценивали на уровне пациента с использованием показателей чувствительности, специфичности и площади под ROC-кривой (AUROC, area under the receiver operating characteristic curve) с использованием морфологической верификации для злокачественных опухолей и экспертного заключения по мультифазной КТ для доброкачественных образований. Клиническую эффективность анализировали у пациентов категорий TROPH-L II–III.
Результаты. Сравниваемые группы были сопоставимы по демографическим и клиническим характеристикам, параметрам очагов и распределению категорий TROPH-L. В общей выборке применение HepatoScan AI сопровождалось увеличением чувствительности предоперационной диагностики до 93,3% по сравнению со стандартным подходом (84,2%; p = 0,008) при сохранении высокой специфичности. AUROC была выше в группе ИИ (0,954 против 0,892), однако различия не достигли значимости; в нозологических подгруппах отмечалась сходная тенденция. Среди пациентов с TROPH-L II–III (n = 54 – группа ИИ, n = 55 – стандартное планирование) применение ИИ ассоциировалось с сокращением длительности операции (160 против 180 мин; p = 0,01) и объема интраоперационной кровопотери (280 против 400 мл; p = 0,004), более высокой частотой R0-резекций (100% против 91,3%) и меньшей частотой послеоперационных осложнений и внутригоспитальной летальности, без достижения статистической значимости.
Заключение. Интеграция системы HepatoScan AI и интерактивного 3D-предоперационного планирования ассоциируется с повышением диагностической эффективности и улучшением отдельных интраоперационных показателей у пациентов с опухолями печени, особенно при анатомически сложных случаях (TROPH-L II–III). Полученные результаты подтверждают высокий потенциал предложенных цифровых технологий для оптимизации предоперационного планирования и требуют дальнейшей проспективной многоцентровой валидации.
The authors declare that there are no conflicts of interest present.