高级移植受体结果预测和病理评估使用快速深度学习应用到采购脏活检

科学领域:

• 腎臟病學 (nephrology) 是一種醫學專業.
• 病理学 病理学 病理学
• 人工智能的人工智能

背景情况:

• 移植决策依赖于捐赠的评估,包括病理学家在活检中对淋巴结核硬化症的评估.
• 目前病理学家对淋巴结核硬化症的量化是耗时的,具有可变的可重现性和不一致的移植结果相关性.

研究的目的:

• 评估一个深度学习模型,用于在已故的捐赠者脏采购活检中自动化质硬化量测量.
• 为了比较深度学习和病理学家量化与移植移植结果的相关性.

主要方法:

• 一个定制的深度学习模型分析了691个脏采购整个幻灯片图像.
• 该模型的淋巴结核硬化量化与病理学家的评估进行了比较.
• 一个多变量Cox模型评估了与移植存活的相关性,包括临床和供体因素.

主要成果:

• 深度学习模型快速分析整个幻灯片图像 (26.5 +/- 6.3秒).
• 这两种方法都与受体膜过率相关.
• 深度学习量化,与病理学家量化不同,在对共变量进行调整后,与移植存活有显著的相关性.

结论:

• 深度学习在脏活检中提供快速和可重现的淋巴结核硬化量化.
• 以人工智能为基础的量化显示,与病理学家评估相比,移植移植的存活率与移植移植的存活率有更好的相关性.
• 这项技术有可能优化捐赠脏的选择并改善移植结果.