ニューハンプシャー出生コホート研究における胎盤胆の深度学習による組織学的特徴と母体および乳児の特徴の関連

科学分野:

• コンピューター病理学
• 胎盤組織病理学
• 医療における人工知能

背景:

• 胎盤組織病理学的定量化は主観的で資源密集的です.
• 胎盤の成長を理解し,母親と胎児の健康を改善するには,客観的な標準化が不可欠です.
• AIは胎盤構造の分析を 自動化・標準化するための解決策を提供します

研究 の 目的:

• 胎盤の胆を定量化するための自動化されたAI駆動の方法を開発する.
• 毛皮のサブタイプを特定し,分類し,毛皮の幾何学を特徴付ける.
• の特徴と母/乳児の特徴との関連を調べる

主な方法:

• 1531の胎盤全体のスライド画像から900万以上の胆管に適用されたディープラーニングセグメンテーション.
• 末期型,中期型成熟型,中期型未成熟型小胞子種を特定するための無監督のクラスタリング
• の面積と円形の定量化,妊娠年齢,母親の年齢,乳児の性別との関連の分析.

主要な成果:

• 出産時の妊娠年齢は,成熟した中間の比率と正に相関する (p=0. 003).
• 妊娠年齢の上昇は,最小の,最も円形なの減少と相関する (p<0. 001).
• 母親の年齢と乳児の性別は,毛皮の幾何学と有意な関連性を示さなかった.

結論:

• AIのワークフローは,客観的に冠状のサブタイプと幾何学を標準化します.
• このアプローチは,胎盤の構造,機能,成長,効率の理解を高めます.
• 発見は臨床的ケアに情報を提供し 妊婦と胎児の健康状態を改善することができます