通过使用班夫共识建议和深度学习算法,改进了对捐赠肝脏肥胖症的评估
Alessandro Gambella1, Massimo Salvi2, Luca Molinaro3
1Pathology Unit, Department of Medical Sciences, University of Turin, Turin, Italy; Division of Liver and Transplant Pathology, University of Pittsburgh, Pittsburgh, Pennsylvania, USA.
Journal of hepatology
|November 30, 2023
概括
与较旧的方法相比,班夫建议显著改善了在捐赠人肝脏活检中评估肥胖症的协议. 发达的卷积神经网络 (CNN) 显示出高精度,有助于器官分配和移植结果.
科学领域:
- 肝病学 肝病学是一种肝病学.
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 班夫肝脏工作组制定了新的共识建议,用于评估在供体肝脏活检中的肥胖症.
- 缺乏评估这些建议的研究,也没有基于这些建议的自动化深度学习算法的先前开发.
- 自动评估肥胖症对于供体肝脏的评估至关重要.
研究的目的:
- 为了评估在供体肝脏针活检中对肥胖症评估的班夫建议.
- 开发和比较卷积神经网络 (CNN) 用于对病理学家的得分进行自动化肥胖症评估.
主要方法:
- 追溯分析292个全移植肝脏针活检.
- 通过病理学家和开发的CNN模型,通过使用Banff前方法和Banff建议进行石病的评估.
- 通过使用类内相关系数 (ICC) 来衡量一致性来比较分数.
主要成果:
- 在Banff前的方法显示病理学家和CNN之间的协议很差 (ICC范围:0.08-0.38).
- 班夫建议显示了明显改善的协议 (ICC:0.89-0.93,p <0.001).
- 病理学家和CNN评估之间的差异从26.89% (班夫前) 降至1.20% (班夫方法).
结论:
- 支持在日常实践中使用班夫建议来评估肥胖症.
- 开发的CNN算法提供了无偏见的,自动化的肥胖症评估.
- 这项技术可以改善供体器官分配和移植后的结果.
