huNyelv
Haza / Tudás / Tartalom

Tudás

A vesehegesedés mesterséges intelligencia-értékelése (AIRS-tanulmány) Ⅱ

May 13, 2024

Eredmények

Mindkét modellt 92 beteg összesen 152 CT-felvételén képezték ki és validálták, amelyek 148 bal vesét, 152 jobb vesét és 73 vesét tartalmaztak.veseátültetés. A betegek jellemzőit az 1. táblázat foglalja össze; 55 betegnél volt minimális vagy enyhe (,25%) fibrózis, 14 beteg közepes (25-50%), 23 beteg pedig súlyos (0,50%) fibrózisban szenvedett. Az átlagos eGFR 37 626 versus 25 618 versus 16 613 ml/perc/1,73 m2, az enyhe, illetve közepes, illetve súlyos fibrózisos csoportokban. Az enyhe/közepes fokú fibrózisban szenvedő betegeket a súlyos fibrózisban szenvedő betegekkel szembeni elemzés céljából csoportosították a vese CT képalkotáson;átlagos vesetérfogat217 cm3 (48-668 tartomány) volt, szemben a 76 cm3-rel (3-347 tartomány) az enyhe/közepes vagy súlyos (50% versus $50%) fibrózisos csoportokban. Volt egy beteg biopsziája, amely eltérő fibrózis pontszámokat adott (az orvosi diagram jelentését összehasonlítva a jelenlegi patológus áttekintéssel), és a valódi igazságot egy második patológus vak vizsgálata alapján határozták meg (lásd: Köszönetnyilvánítás)

cistanche treat kidney disease

MENNYI IDEIG TELJES, HOGY A CISTANCHE MŰKÖDIK A VESEBETEGEKNÉL?

A keresztezett érvényesítés során a szeletenkénti modell 0,917 általános AUC-t eredményezett, míg a voxel-alapú megközelítés 0,922 általános AUC-t eredményezett (2. ábra). A modell pontosságát, érzékenységét, specificitását, PPV-t és NPV-t különböző küszöbértékeken mindkét CNN-algoritmusban a 2. táblázat foglalja össze. {{10}}.5 előrejelzési küszöbnél a szelet A -slice megközelítés 0.831 pontosságot, 0.817 érzékenységet, {{20}}.852 specificitást, 0.886 PPV-t adott , és az NPV 0.767. Ugyanazon 0.5 becslési küszöb mellett a voxel alapú megközelítés hasonló eredményeket adott 0,879 pontossággal, 0.853 érzékenységgel, {{35} specificitással },916, PPV 0,935 és NPV 0,816. A voxel-alapú megközelítés a valódi patológiai jelentésekkel összehasonlítva 13 hamis pozitív eredményt (enyhe/közepes fibrózis súlyosnak minősített), 32 hamis negatívot (súlyos fibrózist nem észleltek; 15%-os kihagyási arány), 187 valódi pozitívat és 141 valódi negatívot ad. .
A rétegzett alkohorsz-elemzések eredményeit a 3. táblázat mutatja be. Az összesített teljesítmény mindkét modellben hasonló volt a kontrasztvizsgálatok és/vagy a kontrasztvizsgálatok kizárása után.az atrófiás natív vesék kizárásatranszplantáción átesett betegeknél. Kifejezetten a voxel-alapú CNN-stratégia esetében figyeltek meg kisebb teljesítménycsökkenést ({{0}}.86 pontosság) a kontrasztvizsgálatok eltávolítása után; az összes többi permutáció 0,90 dolláros pontosságot mutatott. Ezenkívül a modell általános általánosíthatósága megmaradt, miután a képzési készletet (Philips, GE) és a validációs készletet (Siemens) kizárólag a gyártó rétegezte. Előrejelző eszközeink és más CNN-tanulmányok összehasonlításaértékelt vesebetegségparaméterek összegea 4. táblázatban szerepel.

Echinacoside of cistanche can improve kidney function

Vita

Elindítottuk az AIRS-tanulmányt gépi tanulási eszközök fejlesztéséreszámszerűsíteni a vesefibrózista vesebiopszia noninvazív diagnosztikai alternatívájaként. Egy 92 betegből álló kohorszból 300-at elemeztünknatív vese képekés 73 transzplantált vese 152 hasi CT-vizsgálatból. Azt találtuk, hogy a globális szeletenkénti és voxel-alapú CNN-modellek hasonlóak a súlyos és az enyhe/mérsékelt vesefibrózis, AUC {{0}}.917 versus 0.922, és PPV 0.886 versus 0.935, ha összehasonlítjuk az alap igazsággalvesebiopsziás jelentések. Mindkét CNN-modell következetesen teljesített, amikor különböző CT-szkennerekkel tesztelték, és amikor a transzplantáción átesett betegek atrófiás natív veséjét kizárták; a globális szeletenkénti modell valamivel jobb előrejelzési pontossággal rendelkezett, amikor csak nem kontrasztos CT-vizsgálatokat teszteltek.

A diagnosztikus vesebiopszia továbbra is az ellátás standardja, ha a szövettani diagnózis szükséges a proteinuria, a transzplantátum kilökődése vagy a megmagyarázhatatlan vese kezelésének irányításáhozdiszfunkció (1,2). A natív vesebiopszia elvégzésére vonatkozó döntés azonban összetett lehet, különösen akkor, ha a beteg véralvadásgátló kezelést kap, vagy vérszegénysége vagy thrombocytopeniája van., ami növelheti a súlyos szövődmények kockázatát,beleértve a vérátömlesztést, az angiográfiás beavatkozást,és halálozás (összes incidensek aránya 2%, 0,3% és 0,06%illetve) (6). Nem invazív eszközök a fokozat értékeléséheza vesefibrosis hiányzik (7), és a mai napig nem utilizált gépi tanulási eszközök a szubjektivitás minimalizálása ésElfogultság. Ezek az eszközök hasznosnak bizonyulhatnak, ha értékelik aa krónikus vesekárosodás egyéb markereivel összefüggésben(e.g., emelkedett mellékpajzsmirigyhormon- és foszfátszint). In parkonkrét, a súlyos (.50%) fibrosis indokolhatjaa vesebiopszia elkerülése, mert a beteg nem tennéjelölt legyen az immunmoduláló terápiára (i.e., abiopszia nem változtatna a klinikai kezelésen). Ez az információértéke például a betegek jelenlétébenelőrehaladott veseelégtelenség és ismeretlen orvosi őtory. További lépések a biopsziás tűvel az optimalizáláshoz

a glomerulusok szövettani mintavétele afibrotikus vesea vérzés fokozott kockázatához vezethet (22). Ha a CT-vizsgálat CNN-analízise súlyos fokú fibrózist jelez előre, az orvosi csoport dönthet úgy, hogy korlátozza a biopsziás mintavételt, vagy teljesen elkerüli a vesebiopsziát, miután megosztotta a döntést a pácienssel. Megjegyzendő, hogy a diagnosztikus natív vesebiopszia továbbra is javallható egy látszólag végstádiumú vese esetén nefrológusonként, a transzplantációs jelöltség értékelése vagy a szisztémás betegség etiológiájának meghatározása céljából.

Megállapítottuk, hogy a 0,5-ös előrejelzési küszöb teljesítette a legjobban a jövőbeni alkalmazhatóságot a klinikai döntéshozatalban, így a cél a betegek azonosításaelőrehaladott vesefibrosist, és így elkerülhető az invazív biopsziaés a fent tárgyalt lehetséges vérzéses szövődményei.A voxel alapú CNN-modellnél a küszöbérték 0,5 lenne

azonosítani az előrehaladott vesefibrózisban szenvedő egyének 85%-át 94%-os PPV-vel (2. táblázat). A küszöb 0.9-re emelése kismértékben 95%-ra javítaná a PPV-t, de drasztikusan, 85%-ról 72%-ra csökkentené az érzékenységet (azaz a súlyos fibrózisban szenvedők 28%-át kihagyná).

effect of cistanche improve kidney function (2)

Jelenleg a javasolt algoritmus elsődleges korlátja az a követelmény, hogy minden veséhez manuálisan meg kell határozni az érdeklődési területet a mély tanulási előrejelzés előtt.
Meg kell azonban jegyezni, hogy bár ennek a vizsgálatnak a részeként háromdimenziós vesekontúrokat generáltak, az egyes új betegek előrejelzéséhez (azaz a képzéstől függetlenül) csak egy durva határoló kockát kellett meghatározni a vese(k) körül. . A mély tanuláson alapuló teljes veseszegmentáció algoritmusait fejlesztik, amelyek megkönnyítenék a teljesen automatizált, végpontok közötti folyamatot (23, 24). Egy másik korlátozás az, hogy a fibrózis mértékének heterogenitása egyetlen vesében hibaforrás lehet az algoritmus alapigazságában és érvényesítésében. Ebben a tanulmányban úgy döntöttünk, hogy előnyben részesítjük azt a kompromisszumot, hogy több potenciálisan zajos adatot veszünk fel (az egész vesét szegmentálták), ahelyett, hogy kevés tiszta adatot használnánk fel; empirikusan ez a stratégia gyakori a big data mély tanulási feladatokban, és az algoritmus előrejelzési AUC 0,911-es megfigyelése szerint a stratégia által bevezetett zaj mértéke szerény. Ezeknek a CNN előrejelzési algoritmusoknak a jövőbeni finomítását a CKD szempontjából releváns klinikai laboratóriumi értékek, például a kreatinin, a mellékpajzsmirigyhormon és a hemoglobin beépítésével vizsgálják. A nagyobb adatkészletekig az algoritmus kimenete tovább optimalizálható, hogy kiterjedtebb mennyiségi binninget tartalmazzon.(fokfibrosis,25%, 25%–50%, 50%–75%, és.75%). Végül, mivel az aktuális algoritmus képzett és érvényesegyetlen intézmény adatain kelt, további munka állszükséges az általánosíthatóság értékeléséhez a vizsgáltokon túlbetegcsoport.
Tudomásunk szerint az AIRS-tanulmány az első, amely CNN-modelleket alkalmaz a vesefibrózis mértékének előrejelzésére képalkotó vizsgálatokból. Az eredmények ígéretesek és aalapja ezeknek a CNN-eszközöknek a leendő kísérletekben való tesztelésénekérvényesíteni a klinikai döntéshozatalban való hasznosságukat, ha az vannem világos, hogy a beteg's vesebetegség akut versus

krónikus.


kidney function

Közzétételek

J. Zuckerman arról számol be, hogy tanácsadói megállapodást kötött a Leica Biosystems-szel; az ApotheComtól tiszteletdíjban részesülő jelentések; és arról számol be, hogy a Pathology körvonalak tudományos tanácsadója vagy tagjacom. P. Chang arról számol be, hogy tanácsadói megállapodást kötött éskutatási támogatásban részesül a Canon Medicaltól; és jelentések havtulajdonosi érdekeltség az Avicenna.ai-ban. WL Lau jelentése szerinttanácsadói szerződések az Ardelyxszel és a Freseniusszal; jelentéseketkutatási támogatásban részesült az American Heart Association-tól,Hub Therapeutics és a National Institutes of Health; és

jelentések szerint tiszteletdíjat kapott a Roche Australian Nephrology Preceptorship-től. Az összes többi szerzőnek nincs felfednivalója.



Finanszírozás

Ezt a projektet a Kaliforniai Egyetem Irvine-i Department of Medicine Chair Research Award 2019–2021-es díja finanszírozta.

Köszönetnyilvánítás A szerzők köszönetet mondanak Dr. Anthony Sisk-nek (a Los Angeles-i Kaliforniai Egyetem David Geffen Orvostudományi Karának Patológiai és Laboratóriumi Orvostudományi Tanszéke) a vak áttekintésértdiszharmonikus biopsziás betegek az alapigazság megállapításához.



Szerzői hozzájárulások

WL Lau megfogalmazta a tanulmányt; C. Chantaduly, K. Perez Reyes, H. Troutt és J. Zuckerman voltak felelősek az adatok gondozásáért; P. Chang, C. Chantaduly és J. Zuckerman voltak a felelőseka formális elemzéshez; WL Lau volt a felelős afinanszírozás megszerzése; C. Chantaduly és K. Perez Reyes voltakfelelős a vizsgálatért; P. Chang, C. Chantaduly és J.Zuckerman volt a felelős a módszertanért; WL Lau ésH. Troutt felelt a projekt adminisztrációjáért; P. Changfelelős volt az erőforrásokért és a szoftverekért; P. Chang és WLLau biztosította a felügyeletet; C. Chantaduly és H. Troutt írta aeredeti tervezet; P. Chang, C. Chantaduly, WL Lau, K. Perez Reyes,és H. Troutt átnézte és szerkesztette a kéziratot.


Hivatkozások

1. Luciano RL, Moeckel GW: Frissítés a natív vesebiopsziáról: 2019. évi alaptanterv. Am J Kidney Dis 73: 404–415, 2019 https://doi.org/10.1053/j.ajkd.2018.10.011.

2. Hogan JJ, Mocanu M, Berns JS: A natív vesebiopszia: Frissítés és bizonyíték a legjobb gyakorlathoz. Clin J Am Soc Nephrol 11: 354–362, 2016https://doi.org/10.2215/CJN.05750515

3. Berchtold L, Friedli I, Vall ee JP, Moll S, Martin PY, de Seigneux S: A vesefibrózis diagnózisa és értékelése: A technika állása. Swiss Med Wkly 147: w14442, 2017

4. Fiorentino M, Bolignano D, Tesar V, Pisano A, Van Biesen W, D'Arrigo G, Tripepi G, Gesualdo L; ERA-EDTA Immunonefrológiai Munkacsoport: Vesebiopszia 2015-ben: Az epidemiológiától a bizonyítékokon alapuló indikációkig. Am J Nephrol 43: 1–19, 2016 https://doi.org/10.1159/000444026

5. Brachemi S, Boll ee G: Vesebiopsziás gyakorlat: Mi az aranystandard? World J Nephrol 3: 287–294, 2014 https://doi.org/10. 5527/wjn.v3.i4.287

6. Poggio ED, McClelland RL, Blank KN, Hansen S, Bansal S, Bomback AS, Canetta PA, Khairallah P, Kiryluk K, Lecker SH, McMahon GM, Palevsky PM, Parikh S, Rosas SE, Tuttle K, Vaz quez MA , Vijayan A, Rovin BH; Vese Precision Medicine Project: A natív vesebiopsziás szövődmények szisztematikus áttekintése és metaanalízise. Clin J Am Soc Nephrol 15: 1595–1602, 2020 https://doi.org/10.2215/CJN.04710420

7. Abdeltawab H, Shehata M, Shalaby A, Khalifa F, Mahmoud A, El-Ghar MA, Dwyer AC, Ghazal M, Hajjdiab H, Keynton R, El-Baz A: Egy új CNN-alapú CAD rendszer a korai értékeléshez transzplantált veseműködési zavar. Sci Rep 9: 5948, 2019 https://doi.org/10.1038/s41598-019-42431-3

8. Wang Z, Yang H, Suo C, Wei J, Tan R, Gu M: Ultrahang elasztográfia alkalmazása krónikus allograft diszfunkció esetén vesetranszplantációban. J Ultrasound Med 36: 1759–1769, 2017 https://doi.org/10.1002/jum.14221

9. Preuss S, Rother C, Renders L, Wagenpfeil S, B€ utter-Herold M, Slotta-Huspenina J, Holtzmann C, Kuechle C, Heemann U, Stock KF: Sonography of the renalis allograft: Correlation between Doppler sonographic rezisztencia index (RI) és hisztopathológia. Clin Hemorheol Microcirc 70: 413–422, 2018 https://doi.org/10.3233/CH-189306

10. Kuo CC, Chang CM, Liu KT, Lin WK, Chiang HY, Chung CW, Ho MR, Sun PR, Yang RL, Chen KT: A vesefunkció előrejelzésének és osztályozásának automatizálása ultrahang alapú vese képalkotással mély tanulással. Digit Med 2: 2019. 1–9

















Akár ez is tetszhet