(波士頓)-慢性腎臟病(CKD)是由糖尿病和高血壓引起的。2017年，全球CKD患病率為9.1%，約為7億例。通過對腎活檢樣本中的間質(zhì)纖維化和腎小管萎縮(IFTA)進行評分，來評估慢性腎臟損傷。盡管圖像數(shù)字化和形態(tài)測量(測量外部形狀和尺寸)技術(shù)可以更好地量化組織學損傷的程度，但仍需要一種更為廣泛應(yīng)用的方法來對腎臟疾病的嚴重程度進行分層。
現(xiàn)在，來自波士頓大學醫(yī)學院(BUSM)的研究人員開發(fā)了一種新型的人工智能(AI)工具來預(yù)測IFTA的等級，IFTA是進行性和慢性腎臟疾病的已知結(jié)構(gòu)相關(guān)因素。
通訊作者解釋說：“擁有一種可以模擬專家病理學家工作流程并評估疾病等級的計算機模型是一個令人振奮的想法，因為該技術(shù)有可能提高臨床實踐的效率。” BUSM的醫(yī)學。
病理學家在顯微鏡上的典型工作流程包括手動操作，例如平移以及放大和縮小載玻片上的特定區(qū)域以評估病理的各個方面。在“縮小”評估中，病理學家檢查了整個玻片，并對腎臟核心進行了“整體”評估。在“放大”評估中，他們對感興趣區(qū)域中的“局部”病理進行了深入的微觀評估。
一個由五名從事腎臟病理學家工作的國際團隊使用基于Web的軟件(PixelView，deepPath Inc.)在同一組數(shù)字化的人類腎臟活組織檢查中獨立確定IFTA評分。他們的平均分數(shù)被用作構(gòu)建深度學習模型的參考估計。為了模擬腎病理學家在顯微鏡下對活檢玻片進行分級的方法，研究人員使用AI結(jié)合了數(shù)字化腎臟活檢圖像的子區(qū)域(或斑塊)以及整個(全局)數(shù)字化圖像的圖案和特征，以量化IFTA的范圍。通過補丁級別和全局級別數(shù)據(jù)的組合，設(shè)計了深度學習模型來準確預(yù)測IFTA等級。
經(jīng)過驗證，Kolachalama相信可以自動對腎臟慢性損傷程度進行評分的AI模型可以作為臨床實踐中的第二意見工具。他補充說：“最終，可能有可能使用這種算法來研究其他專注于評估纖維化的器官特異性病理學。這種方法可能具有比腎病病理學家提供更多可再現(xiàn)的IFTA讀數(shù)的潛力。”
標簽： 腎臟疾病
免責聲明：本文由用戶上傳，如有侵權(quán)請聯(lián)系刪除！