定量纤维化确定胆道干涉,并与儿科自身免疫性肝病的结果有关
Leticia Khendek1,2, Cyd Castro-Rojas1,2, Constance Nelson1,2
1Department of Pediatrics, Division of Gastroenterology, Hepatology, and Nutrition, Cincinnati Children's Hospital Medical Center, Cincinnati, Ohio, USA.
Hepatology communications
|December 13, 2024
概括
使用人工智能分析的第二波代 (SHG) 显微镜可以识别儿科自身免疫性肝病 (AILD) 中的肝纤维化模式. 这种方法有助于预测疾病的严重程度和肝移植的必要性.
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:
- 儿童自身免疫性肝病 (AILD) 可能导致纤维化和需要肝移植的并发症.
- 需要AILD的预后生物标志物来预测疾病的进展.
- 对肝纤维化的基于组织的分析可能会提供新的见解.
研究的目的:
- 调查第二子 (SHG) 显微镜与人工智能 (AI) 分析的实用性,以评估儿科AILD中的肝纤维化.
- 确定可以作为预后生物标志物的定量纤维化参数.
主要方法:
- 从儿科AILD患者的肝脏活检幻灯片使用SHG显微镜和AI进行了分析.
- 定量纤维化参数 (例如,总体,周门,周周状纤维化) 被映射出来.
- 收集了包括诊断,肝脏生物化学和移植状态在内的临床数据.
主要成果:
- 一项未经监督的分析确定了一组与原发性硬化胆管炎/自身免疫性硬化胆管炎相关的患者群,在诊断时表现出更多的纤维化.
- 这种纤维化模式预测了12个月异常的ALT水平 (OR 3.6).
- 该模式还预测了肝脏并发症 (HR 3.2) 和肝脏移植 (HR 20.1).
结论:
- 通过绘制肝纤维化,SHG/AI算法通过绘制肝纤维化,提供了对儿科AILD的增强本病理洞察力.
- 这种客观的纤维化映射可以识别胆道干涉的患者.
- 这种方法可能有助于识别患有耐火性疾病风险较高的患者.
