使用AI分析肝纤维化进展,预测衰退

科学领域:

• 肝病学 肝病学是一种肝病学.
• 腎臟病學 (nephrology) 是一種醫學專業.
• 数字病理学数字病理学

背景情况:

• 在代谢功能障碍相关的脂肪性肝病 (MASLD) 中肝纤维化的进展及其对功能的影响仍然不清楚.
• 量化肝纤维化评估 (qFibrosis) 提供了一种新的方法来评估肝纤维化的时间变化.

研究的目的:

• 调查MASLD患者肝纤维化进展和功能下降之间的关系.
• 评估区域性qFibrosis在预测估计膜过率 (eGFR) 变化的有用性.

主要方法:

• 对68名MASLD患者进行了逆向纵向研究,对肝脏活检进行配对.
• 在五个肝脏区域使用自动化qFibrosis量化184个纤维化参数.
• 在23个月的随访期内分析eGFR变化,以确定纤维化进展 (QLF+) 和回归 (QLF-).

主要成果:

• 与回归患者 (QLF-) 相比,肝纤维化进展 (QLF+) 的患者观察到更大的eGFR下降.
• 中枢静脉和周中心区域的肝纤维化变化与EGFR下降有较强的关联.
• 一个结合区域qFibrosis参数的预测模型有效地差异化了eGFR的下降.

结论:

• 功能下降与MASLD中的肝纤维化进展显著相关.
• 区域性q纤维化评估可以预测eGFR下降,强调需要对患有纤维化恶化的MASLD患者进行功能监测.
• 人工智能驱动的数字病理学可能能够更早,更精确地量化纤维化进展,促进及时干预.