一个基于机器学习的算法通过定量动脉来准确地分阶段肝病

科学领域:

• 肝病学 肝病学是一种肝病学.
• 医疗成像医学成像
• 数字病理学数字病理学

背景情况:

• 肝硬化涉及肝脏结构损失和血管变化.
• 量化这些变化对于分期肝病至关重要.
• 现有的方法可能无法完全捕捉血管变化.

研究的目的:

• 开发和验证qVessel,用于量化肝活检中的动脉密度 (AD) 的工具.
• 评估AD,原比例面积 (CPA) 和不同病因的肝纤维化阶段之间的关系.
• 探索阿尔茨海默病的潜力,作为一种用于肝病病期的新生物标志物.

主要方法:

• 利用qVessel算法对从未染色的肝脏活检幻灯片中的第二波生成/两光子图像.
• 量化动脉密度 (AD) 和原比例面积 (CPA).
• 分析了患有慢性乙型肝炎 (CHB),初级胆道胆炎 (PBC) 和与代谢功能障碍相关的脂肪性肝病 (MASLD) 的患者的样本,并使用METAVIR分阶段.

主要成果:

• 在所有三种病因方面,AD和CPA都随着纤维化进展 (F1-F4) 显著增加 (P <0.05).
• 在任何纤维化阶段 (P > 0.05) 中,在CHB/PBC和MASLD之间没有观察到AD或CPA的显著差异.
• AD和CPA的肝硬化诊断效果相似,并且与METAVIR阶段有显著的相关性.

结论:

• qVessel在肝活检中有效量化了AD.
• AD和CPA是各种肝脏疾病中纤维化进展和分期的可靠指标.
• 动脉密度显示出作为肝脏疾病分期系统的新组成部分的前景.