200
评论
查看更多
密码过期或已经不安全，请修改密码
修改密码
壹生身份认证协议书
同意
拒绝
同意
拒绝
同意
不同意并跳过
近日，中山大学附属第一医院蒋小云教授、陈崴教授；中山市人民医院叶晴教授；孙逸仙纪念医院檀卫平教授团队共同通讯在《国际肾脏》（Kidney International）杂志发表最新研究成果——基于肾组织病理学的狼疮性肾炎治疗反应多染色深度学习预测模型（Multi-stain deep learning prediction model of treatment response in lupus nephritis based on renal histopathology），该研究首次利用人工智能技术分析狼疮肾炎（LN）患者不同染色的肾脏病理图像，构建LN诱导治疗疗效的预测模型，为制定LN个体化治疗方案提供新的决策支持手段。
狼疮肾炎诱导治疗后肾脏的反应是决定其预后的重要因素之一，但目前缺乏有效的预测工具。该研究旨在应用深度学习方法对肾脏活检样本进行分析，以预测狼疮性肾炎的治疗反应。
研究纳入的患者接受了环磷酰胺或吗替麦考酚酯作为诱导治疗，主要观察终点为12个月时的治疗反应，其中完全缓解定义为24小时尿蛋白低于0.5克，且估算肾小球滤过率（eGFR）正常或在正常范围的10%以内。
模型开发队列包括245例患者（880张数字切片），外部测试队列有71例患者（258张数字切片）。深度学习模型分别针对苏木精-伊红（H&E）染色、过碘酸雪夫（PAS）染色、过碘酸雪夫-甲胺银（PASM）染色和Masson染色的切片，在不同放大倍数下进行了独立训练，并将这些模型整合起来，以预测12个月时治疗完全缓解的主要结局。
单一染色模型的曲线下面积分别为0.813、0.841、0.823和0.862。将这四个模型整合为多染色模型后，内部验证和外部测试的曲线下面积分别达到0.901和0.840，优于包括eGFR、慢性指数和三个月内蛋白尿减少在内的传统临床病理预测指标。
该研究进一步对模型进行了可视化分析，模型识别出的关键病理特征包括三级淋巴结构、肾小球硬化、间质纤维化和肾小管萎缩，这些特征对模型预测至关重要。
该研究证明了利用深度学习分析肾脏病理来预测狼疮患者治疗反应的可行性。但在将该模型应用于风险分层和辅助临床决策之前，还需进一步验证。
来源：今日肾病整理自Kidney International
查看更多
中国医学论坛报
壹生
今日肿瘤
今日循环
今日糖尿病
今日口腔
全科周刊
脱贫地区农副产品网络销售平台
京公网安备 11010202008182号
| 互联网新闻信息服务许可证编号：10120190017