深度学习量化揭示了胆管缩症中管状反应的基本预后作用
Iiris Nyholm1,2, Nelli Sjöblom3, Marjut Pihlajoki2
1Section of Pediatric Surgery, Pediatric Liver and Gut Research Group, Children and Adolescent Department, New Children's Hospital, University of Helsinki and Helsinki University Hospital, Helsinki, Finland.
Hepatology communications
|December 5, 2023
概括
通过神经网络量化的状反应 (DR) 预测了胆道缩的结果. 较高的DR与较差的本源肝存活率和肝纤维化增加相关,同时与Kasai portoenterostomy后的血清胆汁酸有关.
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:
- 胆管缺血是一种严重的新生儿肝病,其特征是胆管阻塞.
- 结节反应 (DR) 是一种与肝损伤和胆道缩中的纤维化相关的组织学特征.
- 精确量化DR对于了解疾病进展和预后至关重要.
研究的目的:
- 开发和验证一个神经网络模型,用于量化胆动脉动中的双管状反应 (DR).
- 为了将量化DR与潜在的病理生理学相关联,包括肝纤维化和血清生物标志物.
- 评估DR对胆道缩患者本源性肝存活 (NLS) 的预后价值.
主要方法:
- 基于深度学习的图像处理神经网络应用于来自259名胆管缩患者和43名对照者的细胞克拉-7染色肝活检.
- 该模型量化了总比例DR (DR%),门胆膜上皮质 (BE%) 和细胞中间肝细胞 (PIH%).
- 量化DR指标与临床数据相关,Sirius Red评估肝纤维化和血清胆汁酸.
主要成果:
- 在Kasai portoenterostomy (KPE) 中观察到DR%和PIH%的增加,这些患者患有持续性胆固醇病.
- 在KPE后DR%和PIH%的升高与随后的肝移植或死亡有关,而BE%的降低和PIH%的低降低预测了本地肝存活率 (NLS).
- 高DR (DR%,BE%,PIH%) 独立预测了KPE和随访期间的劣质NLS,并且与肝纤维化和血清胆汁酸有显著的相关性.
结论:
- 使用神经网络进行量化的双管状反应作为在不同疾病阶段的胆管缩中对本地肝脏存活的显著预测.
- DR指标与肝纤维化和血清胆酸水平有关,提供了对胆道缩病理生理学的见解.
- 开发的神经网络模型为临床实践和研究中的客观DR评估提供了有价值的工具.
