在MPN中对骨髓纤维化无网红素量化:实用性和应用

科学领域:

• 血液学 血液学 血液学
• 计算病理学计算病理学
• 医学诊断 医学诊断 医学诊断

背景情况:

• 精确评估骨髓纤维化对于诊断和管理骨髓扩散性瘤 (MPNs) 至关重要.
• 目前依赖于网素染色的方法面临技术挑战和机构间的变化.
• 自动定量纤维化可以显著提高诊断的一致性和效率.

研究的目的:

• 开发和验证用于定量纤维化评估的机器学习模型.
• 为了利用例行处理的H&E染色骨髓特雷芬切片用于纤维化分析.
• 为了比较基于H&E的模型与现有的基于网红素的方法的性能.

主要方法:

• 开发用于定量纤维化分析的机器学习算法.
• 该模型应用于H&E染色的骨髓特雷芬组织段.
• 与纤维化持续索引 (CIF) 网红素染色模型进行比较分析.

主要成果:

• 基于H&E的机器学习模型表现出与已建立的基于网红素的CIF模型相匹配的性能.
• 在组织保留和染色特性方面,H&E染色具有优势.
• 从H&E幻灯片直接进行定量纤维化评估是可行的和可靠的.

结论:

• 使用H&E染色部分进行定量骨髓纤维化评估是一种可行的和有效的方法.
• 这种方法有可能增强常规临床实践,并支持临床试验.
• 来自H&E的定量纤维化分析可以为空间多原子研究的进展做出贡献.