通过SHG/TPEF显微镜开发基于AI的纤维化检测算法,以在MASH中进行完全量化肝纤维化评估

科学领域:

• 肝病理学和数字病理学
• 生物医学光学和成像技术
• 人工智能在医学中的应用

背景情况:

• 与代谢功能障碍相关的脂肪性肝病 (MASLD) 是一个日益严重的全球健康问题,纤维化进展为肝硬化,导致显著的发病率和死亡率.
• 对肝纤维化的准确和可重现的评估对于管理MASLD和代谢功能障碍相关的脂肪肝炎 (MASH) 来说至关重要.
• 传统的纤维化病变组学阶段有观察者之间的差异性,需要先进的诊断工具.

研究的目的:

• 开发和验证基于人工智能 (AI) 的算法,用于精确检测肝纤维化.
• 使用第二波生成/双光子激发光 (SHG/TPEF) 显微镜进行肝脏活检的无标签成像.
• 使用机器学习 (ML) 分析,建立纤维化的定量测量.

主要方法:

• 将SHG/TPEF显微镜与基于ML的图像分析集成在一起,以创建qFibrosis模型.
• 超快激光捕获从未染色的肝脏组织内在光学信号.
• 对原体形态的量化,以产生连续纤维化指数.

主要成果:

• 为SHG/TPEF成像和AI分析开发标准化工作流程.
• 详细描述 qFibrosis 算法的步骤,用于评估和量化肝纤维化.
• 用人工智能驱动的持续纤维化量化的演示.

结论:

• 人工智能驱动的qFibrosis模型提供了准确和连续的肝纤维化量化,超过了传统方法的可变性.
• 这种方法为评估MASLD/MASH患者的治疗方法和疾病监测提供了标准化工具.
• 代表了肝纤维化评估的重大进展.