Evaluación cuantitativa basada en el aprendizaje profundo de los índices de cronicidad renal en la nefritis por lupus

Área de la Ciencia:

• Nefrología
• Patología computacional
• Inteligencia artificial

Sus antecedentes:

• Los índices de cronicidad renal (IC) son cruciales para predecir los resultados a largo plazo en la nefritis por lupus (LN).
• La evaluación manual de la IC por parte de los patólogos requiere mucho tiempo, es propensa a la variabilidad entre los observadores y está afectada por la fatiga.

Objetivo del estudio:

• Desarrollar y validar una línea de aprendizaje profundo (DL) para la evaluación automatizada de la IC en LN.
• Mejorar las perspectivas de pronóstico y el acuerdo interobservador en el manejo de pacientes con LN.

Principales métodos:

• Se entrenó una tubería de DL en 282 diapositivas de biopsia renal de 141 pacientes con LN en dos cohortes.
• La cartera se evaluó en conjuntos de ensayos internos y externos para el rendimiento de la segmentación y la correlación de CI con los patólogos.
• La precisión del pronóstico se evaluó mediante la combinación de DL-CI con datos clínicos y CI evaluados por patólogos.

Principales resultados:

• La tubería DL logró una alta precisión de segmentación para los compartimentos de tejido y las lesiones histopatológicas.
• La evaluación de CI basada en DL se correlacionó fuertemente con las evaluaciones del patólogo, mejorando significativamente el acuerdo interobservador.
• La combinación de DL-CI con parámetros clínicos mejoró la precisión de la predicción de resultados.

Conclusiones:

• La tubería DL ofrece un método preciso y eficiente para evaluar el CI en LN.
• Esta herramienta muestra potencial para estandarizar la evaluación de CI, reducir la variabilidad y mejorar las capacidades de pronóstico en la atención de pacientes con LN.