深度学习增强的3D成像揭示了semaglutide对心脏纤维化的影响

科学领域:

• 心血管研究研究心血管研究
• 医疗成像医学成像
• 计算生物学 计算生物学

背景情况:

• 心肌纤维化 (MF) 是心力衰竭进展的关键驱动因素,特别是在心力衰竭中,心力衰竭与保留射出分数 (HFpEF).
• 目前用于量化MF的方法缺乏评估区域异质性的分辨率,这阻碍了对抗纤维菌疗法的评估.
• 多发性肺炎的有效治疗方法仍然有限,这强调了对先进的诊断和治疗评估工具的需求.

研究的目的:

• 开发一种全心成像和深度学习 (DL) 数量化管道,用于评估心肌纤维化 (MF).
• 通过评估HFpEF在临床前模型中的葡萄糖类-1受体 (GLP-1R) 激动剂的疗效来验证这一管道.
• 为了能够精确地绘制不同类型的纤维化 (间隙性,周血管性,置换性) 和心脏缩.

主要方法:

• 开发了一个高通量成像平台,使用光原标记染料,组织清除和3D光板光显微镜 (3D LSFM).
• 建立了一个DL框架,用于量化17个左心室 (LV) 段的间歇性,周血管和替代性纤维化,以及过度缩小.
• 在db/db UNx-ReninAAV小鼠模型中评估了semaglutide的抗纤维菌作用,该模型模仿了HFpEF的关键方面.

主要成果:

• 通过使用3D LSFM和DL实现了整个心脏中MF的微米分辨率映射.
• 观察到间歇性原增加和心脏缩之间存在直接的相关性.
• 证明,塞马格卢提德治疗显著降低了 LV 缩和周围血管纤维化,但没有影响置换纤维化.

结论:

• 开发的3D成像和DL量化管道为评估抗纤维素化合物疗效提供了一个强大的工具.
• 这种方法有助于更深入地了解驱动心血管疾病的病理机制,如HFpEF.
• 这些发现突显了GLP-1R激动剂在控制心力衰竭中的特定纤维化成分方面的潜力.