相关实验视频
Updated: Jan 24, 2026

A Doxorubicin-Induced Murine Model of Dilated Cardiomyopathy In Vivo
Published on: May 16, 2020
基于深度学习的非缺血性扩张性心肌病的病理分类
Hao Jia1,2,3, Yifan Wang1,2,3, Zhimin Lv2
1Department of Cardiac Surgery, Fuwai Hospital, National Center for Cardiovascular Diseases, Chinese Academy of Medical Sciences and Peking Union Medical College, Beijing, China.
深度学习在非缺血性扩张性心肌病 (NIDCM) 中确定了病理亚组,揭示了不同的临床和风险概况. 这种方法有助于对患者进行分层,以更好地管理心力衰竭 (HF).
科学领域:
- 心脏病学 心脏病学
- 计算病理学计算病理学
- 精准医学是一门精准的医学.
背景情况:
- 非缺血性扩张性心肌病 (NIDCM) 呈现异质的临床表型和疾病进展,缺乏精确的诊断和治疗方法.
- 心力衰竭 (HF) 和心脏移植 (HTx) 是NIDCM患者的常见结果.
- 识别高风险NIDCM患者的恶性心律失常 (MA) 和快速进展至关重要.
研究的目的:
- 用深度学习计算病理学 (DL-CPath) 基于病理特征对NIDCM患者进行分层.
- 确定与恶性心律失常 (MA) 和快速进展到末期HF相关的高风险NIDCM子组.
- 为了将病理亚组与临床表型和结果相关联.
主要方法:
- 分析了使用DL-CPath的293名NIDCM-HTx患者的3516张心脏组织幻灯片.
- 无监督的聚类来定义病理子组 (PG):PGA,PGB和PGC.
- PG与临床数据的相关性,包括MA率,HTx的时间和血液生物标志物.
主要成果:
- 确定了三个不同的病理亚组 (PGA,PGB,PGC).
- PGA表现出间歇性纤维化,心肌细胞真空化和肌细胞混乱,与最高的MA率和最短的诊断到HTx间隔有关.
- PGA患者的伤害生物标志物升高;PGB表现出广泛的纤维化和减少的喷射分数;PGC有最轻微的变化.
结论:
- 基于DL的病理分类有效地确定了NIDCM中具有临床意义的成像特征.
- 截然不同的病理亚组 (PGs) 具有独特的遗传病理和临床特征,使风险分层成为可能.
- 这种方法突出了NIDCM管理中精准医学策略的潜力.
相关概念视频
Cardiomyopathy II: Dilated Cardiomyopathy
Cardiomyopathy I: Introduction and Classification
Cardiomyopathy III: Hypertrophic Cardiomyopathy
Cardiomyopathy IV: Restrictive Cardiomyopathy
Classification of Titrimetric Analysis Based on Reaction Types
Titrations between an acid and a base lead to neutralization reactions that form...
Cardiovascular Drugs: Classification based on Therapeutic Indications

