Syväoppimismallin kehittäminen ja validointi glomeruloskleroosin kvantifioimiseksi munuaisbiopsianäytteissä

Kontakti:joanna.jia@wecistanche.comWhatsApp: 008618081934791

JohdantoYli 100 000 potilasta odottaa tällä hetkellämunuaisensiirto.1 Kasvavasta tarpeesta huolimatta 17–20 prosenttia elinsiirtoa varten talteen otetuista munuaisista heitetään pois.2-4 Elinpulan ja kasvavan kysynnän kasvaessamunuaisensiirrot, on kiireellisesti vähennettävä tarpeetonta elinten hävittämistä.3

Biopsiatuloksen on raportoitu olevan tärkein tekijä päätettäessä käyttää tai hävittää luovuttajan munuainen.5 Lukuisat tutkimukset ovat yhdistäneet luovuttajan krooniset vauriotmunuaisbiopsianäytteetelinsiirtotuloksilla.6-12 Taso 20%maailmanlaajuinen glomeruloskleroosikäytetään usein leikkauspisteenä elinsiirtopäätöksessä, ja se on tärkeä tekijä, jonka vuoksi biopsiatulos on yleisin syy siihen, että elin hylätään elinsiirtoa varten Yhdysvalloissa.4

Viimeaikaiset tutkimukset osoittavat, että hyväksyttävät munuaiset heitetään pois vaihtelevan ja epäjohdonmukaisen luovuttajabiopsianäytteen tulkinnan vuoksi.3,13,14 Jopa näennäisesti suoraviivainen mittari, kuten prosenttiosuusmaailmanlaajuinen glomeruloskleroosion alttiina merkittävälle inhimilliselle vaihtelulle.15-17 Esineiden jäädyttäminen, alalajien asiantuntemuksen puute, riittämätön näytteenotto ja näiden arviointien aikaherkkä luonne vaikuttavat kaikki inhimillisiin virheisiin.

Viime aikoina syväoppiminen (DL) on osoittanut potentiaalia parantaa toistettavuutta ja tarkkuutta histopatologisessa tutkimuksessa.18-26 Muissa laboratorioissa tehdyissä aiemmissa tutkimuksissa on käytetty DL-lähestymistapoja ei-skleroottisten ja maailmanlaajuisesti skleroottisten glomerulusten automaattiseen havaitsemiseen.27-31Joka nämä tekniikat perustuvat kuitenkin erityisiin tahroihin, kuten jaksollisiin happo–Schiff- tai Masson-trikromaattisiin tahroihin, jotka ovat epäkäytännöllisiä jäätyneiden osien aikaherkässä ympäristössä. Ryhmämme jäsenten aiempi työ kuvaa tietojemme mukaan ainoat raportoidut tulokset, jotka osoittavat korkean suorituskyvyn automaattisessa prosenttimäärän kvantifioinnissamaailmanlaajuinen glomeruloskleroosikäyttämällä hematoksyliini-eosiinin kokonaisia diakuvia (WSI) värjätyistä jäätyneistä osista.

cistanche hyvä kehonrakennus: munuaisten vahvistamiseksi

Oletamme, että DL-lähestymistapa luovuttajan tutkimukseenmunuaisbiopsianäytteetylittää ihmispatologit arvioidessaan prosenttiamaailmanlaajuinen glomeruloskleroosija että lisäparannus otetaan käyttöön tarkastelemalla useita osiotasoja. Tämän lisääntyneen kudosnäytteenoton oletetaan vähentävän tarpeettoman elinten hävittämisen todennäköisyyttä ja käsittelevän kysymystä siitä, liittyvätkö DL-tekniikat käytettävissä olevan luovuttajaelinpoolin merkittävään kasvuun.

Avainsanat:Glomeruloskleroosi,munuainen, Munuaisbiopsianäytteet, munuaisensiirto, maailmanlaajuinen glomeruloskleroosi

MenetelmätTässä tutkimuksessa noudatettiin diagnostisten ja ennustetutkimusten multivariable Prediction Model for Individual Prognosis or Diagnosis (TRIPOD) -raportointiohjetta. Washingtonin yliopiston institutionaalinen arviointilautakunta tarkasteli ja hyväksyi tämän tutkimuksen, joka myös luopui tarpeesta saada tietoinen potilaan suostumus, koska tässä tutkimuksessa käytettiin vain ei-tunnistettavia biospektiimejä olemassa olevasta tietojoukosta.

TiedonkeruuWSI: t hankittiin kuolleista luovuttajien biopsianäytteistä - 98 hematoksyliini-eosiini-värjätyistä jäädytetyistä osista ja 51 pysyvää osaa -, jotka haettiin yhteensä 83: staMunuaisetkäyttämällä sekä kiila- että neulanäytteitä. Pakastettujen osien biopsianäytteet ja pysyvän osan biopsianäytteet saatiin eri munuaisista. 83 näytteestä 62: lla oli vähintään 2 poikkileikkaustasoa. Biopsianäytteet Washingtonin yliopiston tietokannasta ovat peräisin Gift of Life Michiganista (haettu elokuun 2015 ja marraskuun 2016 välisenä aikana käyttäen Sakura-skanneria; suurennus, ×20) ja Washingtonin yliopistosta (haettu kesäkuun 2015 ja kesäkuun 2017 välisenä aikana Mid-America Transplantin kautta käyttäen Aperio Scanscope CS -skanneria; suurennus, ×20). Jokainen kuollut elinluovuttaja, joka esiintyi näiden päivämäärien välillä ja jolle tehtiinmunuaisten biopsiadigitaaliseen intraoperatiiviseen patologiseen tutkimukseen oli oikeutettu tähän tutkimukseen. Luovuttajien demografiset ominaisuudet ja kliiniset piirteet olivat tutkijoille tuntemattomia. Kaikki skannaukset muunnettiin SVS:stä TIFF-muotoon täydellä resoluutiolla (0,5 μm/pikseli). Kuvakoot vaihtelivat 105 megapikselistä 1448 megapikseliin.

Tietojen merkintäTaulun sertifioima asiantuntija merkitsi diat ensin epäclerotic- ja skleroottisiin glomeruloihinmunuainenpatologi (P.W. tai J.P.G.), jonka on tarkistanut toinen hallituksen sertifioima patologi (T.C.L.), jolla on kokemusta luovuttajan tulkinnastamunuaisbiopsianäytteetja sen jälkeen toisen hallituksen sertifioiman asiantuntijan tekemä lopullinen tarkistusmunuainenpatologi (P.C.W. tai J.P.G.). Viimeiset tarkistetut merkinnät toimivat maadoituksena (eli kultaisena standardina) mallikoulutukselle ja -arvioinnille. Tyypillinen glomerulimäärien vaihtelu jokaisen version yhteydessä on havainnollistettu täydennyksen eFigure 1:ssä. Fidžille32 kirjoitettua sisäistä laajennusta käytettiin glomerulien manuaaliseen hahmottamiseen ja luokitteluun kussakin WSI: ssä pikselikohtaisten tarramaskien luomiseksi glomerulus-alueista samalla resoluutiolla kuin vanhempi WSI. Glomerulit luokiteltiin joko maailmanlaajuisesti skleroottisiksi (määritelty skleroosiksi, johon liittyy koko glomerulaarinen tufti, mukaan lukien vanhentuneet, jähmettyneet ja katoavatmaailmanlaajuinen glomeruloskleroosi)tai ei-maailmanlaajuinen skleroottinen. Kaikki muut alueet ryhmiteltiin yhteen ja merkittiin tubulointerstitiumiksi. Yhteensä 1544 maailmanlaajuisesti sklerosoitua ja 6914 ei-pallomaista sklerosoitua glomerulia merkittiin 149 erilliseen kuvaan. Biopsianäytteissä oli laaja valikoima prosenttejamaailmanlaajuinen glomeruloskleroosi(0%-77%). Glomerulusten keskimääräinen (SD) lukumäärä liukumäkeä kohti oli 57 (31).

DL-malliarkkitehtuuriTässä tutkimuksessa käytetty DL-malli oli täysin konvoluutiomainen hermoverkko, joka perustui Aiemmassa työssä kuvattuun VGG16-arkkitehtuuriin33 ja johon kuului ryhmämme jäsen.34 Lyhyesti sanottuna tiedot syötettiin esikoulutettuun VGG16-pohjaiseen verkkoon, jonka painot jäädytettiin pullonkaulan alapuolelle (eli välittömästi ennen tiheästi yhdistettyjä luokituskerroksia). VGG16:n tiheästi yhdistetyt luokituskerrokset korvattiin 5 täysin konvoluutiokerroksella, joiden painot olivat koulutettavia. Täysin konvoluution arkkitehtuurin käyttö koko verkon läpi mahdollisti "kuvasta kuvaan" -muunnoksen "kuvasta kuvaan" -muunnoksen sijaan jokaiselle tulokuvakorjaukselle, joista jälkimmäinen on lähestymistapa, joka on vähemmän tarkka ja paljon laskennallisesti kalliimpi.34 Täysin konvoluutiomalli tuotti syöttökuvakorjaukseen rekisteröityjä interpoloituja pikselikarttoja, mikä antaa todennäköisyyden, että jokainen lähtöpikseli oli tubulointerstitium, ei-pallomainen sklerosoitu glomerulus tai maailmanlaajuisesti sklerosoitu glomerulus.

Harjoituksen parametritKuvat kuutioitiin 2048 × 2048 pikseliä (1024 × 1024 μm) osittain päällekkäisiin kuvalaastareihin (askel, 1664 pikseliä tai 838 μm) harjoitussyötettä varten. Laastarit valittiin harjoitteluun ottamalla satunnaisotanta koko kuvalaastarien joukosta (noin 6500 laastaria kussakin ristiinvalidointikoulutusjoukossa, yhden aikakauden pituus). Syöttölaastareita käännettiin tai käännettiin satunnaisesti (0°, 90°, 180° tai 270°), jolloin harjoitustiedot lisättiin 8-kertaisesti yhteensä noin 52 000 mahdolliselle harjoituslaastarille näytteenottoaltaassa. Harjoitus suoritettiin TensorFlow'n avulla minimoimalla kategorinen ristiin-entropian menetys, painotettuna luokkakohtaisesti käyttämällä sklerosoitujen ja sklerosoimattomien ja tubulovälisten luokkien suhdetta 10: 5: 1 luokan epätasapainon kompensoimiseksi. Stokastista gradienttilaskun optimointia käytettiin syklisen oppimisnopeuden ollessa välillä 1e−4 ja 1e−2 ja eräkoolla 4 15 aikakaudella.

RistiinvalidointiMalli koulutettiin ja testattiin 10-kertaisessa ristiinvalidoinnissa, jossa 10% WSI: stä pidätettiin koulutuksesta kussakin taitoksessa, ja tuloksena olevaa mallia (koulutettu jäljellä olevaan 90%: iin tiedoista) käytettiin ennusteiden luomiseen pidätetyistä WSI:istä. Kuvat saman tason eri tasoiltamunuainenpidettiin aina yhdessä. Mitään ristiinvalidointipoimun testisarjan tietoja ei käytetty antamaan tietoa vastaavan taitoksen koulutuksesta. Ennusteet pidätetyille dioille luotiin hajanaisesti yllä kuvatun kuvan kuutiointiointimallin mukaisesti (eli 2048 × 2048 -pikselikorjaukset 1664 pikselin askeleella), ja tulokset koottiin uudelleen tuottamaan tulostustodennäköisyyskarttoja kokonaisille WSI:ille.

JälkikäsittelyGaussin möykkyjen havaitsemisalgoritmin tavallista laplaciania, joka soveltuu hyvin korkean kuvan voimakkuuden pyöreiden alueiden tunnistamiseen useilla mittakaavoilla35, käytettiin yksittäisten glomerulusten paikallistamiseen todennäköisyyskartoista. Prosenttimaailmanlaajuinen glomeruloskleroosilaskettiin kaavalla 100 × S/N, jossa S on maailmanlaajuisesti sklerosoitujen glomerulien lukumäärä ja N on glomerulien kokonaismäärä.

Tilastollinen analyysiPikselikohtainen sopimus merkintöjen ja ennusteiden todennäköisyyskarttojen välillä kvantifioitiin Noppa-kertoimen ja liitosmittarin leikkauspisteen kautta, joka laskettiin koostettuna kunkin tulosotsikon kaikille pikseleille. Glomerulimäärät saatiin möykkyjen havaitsemiskäsittelyn jälkeen sklerosoiduilla ja sklerosoimattomilla todennäköisyyskarttakanavilla. Prosenttimaailmanlaajuinen glomeruloskleroosilaskettiin näistä yksittäisten kuvien ja yksittäisten kuvien määristäMunuaiset, yhdistämällä kaikkien kuhunkin liittyvien tasojen (tyypillisesti 2) määrätmunuainen.Glomerulimääriä verrattiin merkintäperusteiseen totuuteen, ja Pearsonin korrelaatiokertoimella r ja juurikeskineliövirheellä (RMSE) arvioitiin tarkkuudella. Vastaavat määrät prosentteinamaailmanlaajuinen glomeruloskleroosilaskettiin päivystävien patologien arvioita varten, ja näitä arvoja verrattiin mallin suorituskykyyn.

LuokitteluMunuaisetkoska "hyväksyttävä" elinsiirrolle tai "hylätty" määritettiin 20%: ksimaailmanlaajuinen glomeruloskleroosi, joka on yleisesti käytetty leikkauspiste nykyisessä kliinisessä käytännössä aiempien tietojen perusteella. F1-pisteet laskettiin funktiona, joka erottaa oikein, oliko näyte yli vai alle 20 %:n leikkauspisteen maanpinnan totuusmerkintöjen suhteen. Cohen κ -kerroin (arvioijien välisen sopimuksen indikaattori) laskettiin myös mallin ja päivystävien patologien syrjinnälle 20 prosentin leikkauspisteessä verrattuna maan totuuden huomautukseen ja toisiinsa.

Koska määritelmämaailmanlaajuinen glomeruloskleroosiilmaistaan luonnollisesti beetajakauman keskiarvona, joka on annettu parametreilla S (maailmanlaajuisesti sklerosoitujen glomerulien lukumäärä) ja (N − S) (ei-pallollisten sklerosoitujen glomerulien lukumäärä), sitä käytettiin laskemaan 95%: n ennustevälit, jotka toimivat lähtötarkkuuden indikaattorina. 2-puolinen P< .05="" was="" considered="" statistically="" significant.="" all="" statistical="" analyses="" were="" conducted="" from="" march="" 2018="" to="" august="" 2020="" with="" the="" python="" packages="" scikit-learn,="" version="" 0.22.1,="" and="" scipy.stats,="" version="">

Tulokset

Tulostuksen visualisointiJäädytettyjen osien ja pysyvien osien WSI-merkintöjen ennakoidut kuvalähdöt osoittivat laadullista yhteisymmärrystä kohdemerkintäkarttojen kanssa (kuva 1). Noppakertoimet olivat yhteensä 0,784 ei-pallomaisten sklerosoitujen glomerulien osalta ja 0,600 maailmanlaajuisesti sklerosoitujen glomerulien osalta; samojen ryhmien ammattiliittojen mittareiden yhteenlaskettu risteys oli 0,645 ei-globallisten sklerosoitujen glomerulien ja 0,429 maailmanlaajuisesti sklerosoitujen glomerolien osalta. Erityisesti jopa jäädytetyt osat, joissa oli merkittäviä esineitä, osoittivat laadullista visuaalista yksimielisyyttä merkintäpohjaisen totuuden ja ennusteiden välillä (esimerkki kuvassa 1A).

Maailmanlaajuisen glomeruloskleroosin prosenttiosuuden arviointi yksittäisten diojen perusteellaRistiinarvioituglomeruloskleroosiyksittäisten diojen ennusteissa oli myös korrelaatio merkintöjen kanssa (r = 0,916; 95%: n luottamusväli, 0,886-0,939; ja RMSE = 5,631; 95%: n luottamusväli, 4,735-6,517; P< .001)="" (figure="" 2a).="" separating="" the="" results="" by="" slide="" preparation="" technique="" indicated="" that="" predictions="" on="" frozen="" sections="" showed="" similar="" correlation="" with="" ground="" truth="" (r="0.918;" 95%="" ci,="" 0.879-0.944;="" rmse="6.20;" p="">< .001)="" (efigure="" 3a="" in="" the="" supplement),="" whereas="" the="" permanent="" group="" showed="" higher="" performance="" (r="0.940;" 95%="" ci,="" 0.896-0.965;="" rmse="4.32;" p="">< .001)="" (efigure="" 3d="" in="" the="" supplement).="" the="" total="" numbers="" of="" glomeruli="" detected="" by="" the="" model="" are="" shown="" in="" figure="" 3a="" and="" b,="" illustrating="" the="" correlations="" of="" nonglobally="" sclerosed="" glomeruli="" with="" ground="" truth="" (r="0.955;" 95%="" ci,="" 0.938-0.967;="" rmse="8.383;" p="">< .001)="" and="" globally="" sclerosed="" glomeruli="" with="" ground="" truth="" (r="0.934;" 95%="" ci,="" 0.909-0.952;="" rmse="4.718;" p="">< .001).="" the="" mean="" (sd)="" glomeruli="" count="" differences="" between="" annotation="" and="" prediction="" were="" 3.1="" (7.8)="" for="" nonglobally="" sclerosed="" glomeruli="" and="" 0.2="" (4.7)="" for="" globally="" sclerosed="" glomeruli.="" similar="" positive="" results="" for="" predicted="" glomeruli="" counts="" were="" observed="" when="" separating="" slides="" by="" treatment="" (efigure="" 2a,="" b,="" e,="" and="" f="" in="" the="">

Maailmanlaajuisen glomeruloskleroosin arviointi Pooled Slides Pooling -tasojen perusteella paransi mallin glomerulimäärän suorituskykyä (kuva 3C ja D; eFigure 2C, D, G ja H lisäyksessä) sekä glomeruloskleroosin korrelaatiota merkintöjen kanssa, kuten kuvassa 2B on esitetty (r = 0,933; 95% CI, 0,898-0,956; ja RMSE = 5,094; 95% CI, 3,972-6,301; P< .001,="" for="" combined="" frozen="" and="" permanent="" sections),="" bettering="" on-call="" pathologists’="" performance="" on="" the="" same="" cases="" (r="0.884;" 95%="" ci,="" 0.825-0.923;="" and="" rmse="6.523;" 95%="" ci,="" 5.191-7.783;="" p="">< .001)="" (figure="" 2c).="" global="" glomerulosclerosis="" error="" as="" measured="" by="" rmse="" was="" 22%="" lower="" for="" the="" model="" than="" for="" on-call="" pathologists.="" concordance="" between="" the="" model’s="" predictions="" of="" global="" glomerulosclerosis="" for="" individual="" and="" pooled="" levels="" is="" shown="" in="" efigure="" 4="" in="" the="" supplement="" as="" a="" residual="" with="" respect="" to="" annotation="" ground="">

sukupuoli munuaissairauden hoito

Munuaisten väärän karakterisointiriskin arviointi Yhdistetty prosenttiosuus maailmanlaajuisista glomeruloskleroosituloksista merkintöjen, malliennusteiden ja päivystyspatologien osalta lajiteltiin ja piirrettiin siten, että maailmanlaajuisen glomeruloskleroosin prosenttiosuus kasvaa kaikkien tutkimukseen sisältyvien 83 munuaisen osalta sekä vastaavat 95%: n ennustevälit ja 20%: n leikkauspiste luovuttajan elinsiirron hyväksymiselle tai hylkäämiselle (kuva 4B-F). Koska päivystävät patologit arvioivat kaikki osion tasot biopsian aikaan, niiden tuloksia pidetään yhdistettyinä arviointeina. Munuaiset, joiden ennustevälit ovat päällekkäisiä 20%: n leikkauspisteen viivan kanssa, ovat suuremmassa vaarassa virheellisestä hyväksymisestä tai hylkäämisestä, jos glomerulimäärät arvioidaan väärin. Mahdollisuus luokitella virheellisesti munuainen, jossa on yli 20% globaalia glomeruloskleroosia, on esitetty kuvassa 4A. Yksittäisiä dioja käyttämällä DL-mallin ennustettu virhetaso oli 15% pienempi kuin päivystävillä patologeilla ja lähes identtinen maanpinnan totuusmerkintöjen kanssa (eli ihanteellinen tapaus). Yhdistetyillä tasoilla DL-mallin ennustettu virhetaso laski 37% alemmaksi kuin päivystävien patologien. Samoin DL-mallin ennustettu virhetaso virheellisestä elinten hyväksynnästä käyttäen yksittäisiä tasoja oli 21% pienempi kuin päivystävien patologien virhetaso ja 34% pienempi käytettäessä yhdistettyjä tasoja.

F1-pisteet ja Cohen κ osoittivat samanlaisia tuloksia. DL-mallin F1-pisteet yksittäisille tasoille, joilla onmaailmanlaajuinen glomeruloskleroosialle 20% oli 0,896 ja 0,950 yli 20 prosentin yksittäisillä tasoilla. Nämä mittarit paranivat, kun tasoja yhdistettiin 0,926:een alle 20 %:iin ja 0,964:ään yli 20 %:n yli 20 %:ssa. Tätä verrattiin suotuisasti päivystävien patologien F1-pisteisiin, jotka ovat 0,852 alle 20 %:n ja 0,929 yli 20 %:n arvoisia. Cohen κ malliennusteille yksittäisillä tasoilla maanpinnan totuuden suhteen oli 0,847, mikä parani 0,891: een yhdistetyillä tasoilla. Cohen κ for

päivystävät patologit yhdistettyjen merkintöjen suhteen olivat pienempiä, arvoltaan 0,781, ja ne olivat 0,714 verrattuna mallin yhdistettyihin tasoennusteisiin. Patologin ja mallitulosten välinen vastaavuus yhdistetyille tasotuloksille näkyy liitteen eFigure 5:ssä jäännöksenä maanpinnan totuuden suhteen, lajiteltuna perustotuuden mukaanmaailmanlaajuinen glomeruloskleroosiprosenttiosuus ja kokonaisglomerulimäärä. Monitasoisen tutkimuksen arvo osoitetaan arvioimalla ennustevälit beetajakaumasta. Esimerkki hypoteettisen biopsianäytteen beetajakaumasta, jossa on 15%maailmanlaajuinen glomeruloskleroosion esitetty kuvassa 5A 1, 2, 3 ja 4 tason altaille olettaen, että kullakin tasolla on 58 havaittua glomerulia (tämän tutkimuksen keskimääräinen luku). Kunkin käyrän korkeus tietyllä vaaka-akselin arvolla voidaan tulkita suhteelliseksi todennäköisyydeksi arvioida prosenttiamaailmanlaajuinen glomeruloskleroosiolla se arvo, kun otetaan huomioon sklerosoitujen ja normaalien glomerulien todellinen jakauma. Käyrän alla oleva pinta-ala tuottaa siten arvion saamisen todennäköisyydestä.maailmanlaajuinen glomeruloskleroosiarviot yhdentymisen rajoissa. Jakauma kaventui lisääntyneen yhdistämisen myötä. Vielä tärkeämpää on, että käyrän alla oleva normalisoitu alue nimellisen 20 %:n hylkäysleikkauspisteen ulkopuolella laski 14 prosentista käyttäen vain yhtä tasoa 2 %:iin, kun 4 tasoa yhdistettiin (kuva 5B), mikä on 7-kertainen lasku mahdollisuudessa väärin yliarvioidamaailmanlaajuinen glomeruloskleroosija vääryyttää virheellisesti se, minkä pitäisi olla käyttökelpoinen elin. Tasojen yhdistämisen etujen havainnollistamiseksi edelleen glomerulit laskevat 1000 satunnaisesti valitulle luovuttajabiopsianäytteen arvioinnille (samasta tietokannasta kuin 83munuaisbiopsianäytteetkäytettiin tässä tutkimuksessa) käytettiin simuloimaan tason yhdistämisen vaikutuksia suurelle populaatiolle. Sitä

päivystyspatologien arvioita käytettiin maanpäällisten totuuksien glomerulimäärien korvikkeina, ja tietojen yhdistämistä simuloitiin kertomalla raportoidut määrät tasoa kohti simuloitujen tasojen lukumäärällä poolissa. Sovellettaessa edellä kuvattua analyysiä tähän skenaarioon, virheellisten elinten poisheittämien määrä jokaista 1000: ta kohtiMunuaisetlaskisi 31:stä 13:een lisäämällä arvioitujen tasojen määrää 1:stä 4:ään (kuva 5C). Osoituksena mahdollisesta kliinisestä työnkulusta DL-tekniikoiden sisällyttämisellä DL-mallin ennustetut merkinnät 25 tapaukselle tutkimusaineistosta valittiin satunnaisesti (5 kpl 0%-5%, 6%-10%, 11%-15%, 16%-20% ja >20% globaalista glomeruloskleroosista) ja toimitettiin patologille, joka arvioi histologiakuvia päällekkäisillä mallin tuottamilla glomeruliluokituksilla. Sitten patologi korjasi kaikki jääneet tai virheellisesti merkityt glomerulit tavalla ja aikataulussa, joka oli yhdenmukainen nykyisen kliinisen käytännön kanssa. Patologin muuttama arviointi korreloi paremmin maanpäällisen totuuden kanssa (r = 0,958) ja sillä oli pienempi virhe (RMSE = 4,352) kuin kummallakaan päivystävällä patologilla (r = 0,613; RMSE = 0,898) tai pelkkä DL-malli (r = 0,847; RMSE = 7,535) (eFigure 7 täydennysosassa).

Keskustelu

DL-malli tuotti rohkaisevia tuloksia sekä laadullisissa (visuaalisissa) että kvantitatiivisissa havainnoissa ja kertasi tuloksia, joita ryhmämme jäsenet kuvailivat aiemmassa työssään pienemmässä koulutussarjassa.34 Malli suoriutui hyvin käyttämällä joko jäädytettyjä osia tai pysyviä osia, mikä paransi päivystävien patologien suorituskykyä. Aika, jolloin malli käsitteli yksittäistä WSI: tä, oli noin 5 minuuttia, hyvin patologian intraoperatiivisen kuulemisen tyypillisten rajoitusten puitteissa.

Laskentavirheiden suurennus pientä otosta käytettäessä korostaa arvoa, joka on saatu yhdistämällä tuloksia useilta tasoilta, jotka on saatu yhdestämunuaisten biopsia.Luovuttajan tyypillinen paksuusmunuaisten biopsianäyte on 1 mm. Patologi tutkii vain edustavan 5-μm-paksuisen osan tästä kudoksesta, jättäen huomattavan osan arvioimattomastamunuainentutkimatta. Vaikka glomerulit, joista on otettu näytteitä seuraavissa kohdissa, eivät ehkä ole riippumattomia, liukumäen valmistusprosessi voi johtaa huomattavaan osien väliseen vaihteluun maailmanlaajuisessa glomeruloskleroosissa riippumatta havaintojen vaihtelusta (eFigure 6 lisäyksessä). Arvioimalla enemmän kudososia tämän vaihtelun vaikutus voidaan minimoida ja biopsianäytteen arvioinnin luotettavuutta parantaa. Tämä hyöty havaitaan selvästi tässä tutkimuksessa kunkin mittarin osalta (kuvat 2-4), jotka kaikki osoittivat parannusta tutkimalla lisäkudosta.

Nykyinen hoitotaso edellyttää vain 25 glomerulin ja 1-2 poikkileikkaustason arviointia, koska ihmispatologit eivät ole käytännössä saavutettavissa enemmän arviointeja elinsiirron aikaherkässä kontekstissa. DL-tekniikoiden käyttö ihmisen kyvyn lisäämiseksi tässä ympäristössä voisi lisätä elintärkeitä elimiä luovuttajapooliin. Mahdollinen kliininen työnkulku DL-tekniikoiden sisällyttämisellä voisi olla seuraava: näyte saapuu jäätyneen osan laboratorioon, jossa valmistetaan ja skannataan pakastelohkoliukumäki. WSI ladataan sitten suojattuun paikkaan analysoitavaksi DL-mallin avulla. Kun DL-mallia analysoidaan, patologi voi kirjautua sisään ja tarkistaa näytteen muiden asiaankuuluvien havaintojen varalta. DL-mallin tulos olisi saatavilla 5-10 minuutin kuluessa, ja se esitettäisiin patologille histologiakuvan glomeruliluokitusten graafisena peittokuvana, sitten patologi todentaisi (ja tarvittaessa muuttaisi) ja sisällytettäisiin raporttiin. Varsinainen raportti olisi suoraan yhteydessä kliiniseen sähköiseen terveysrekisteriin.

RajoituksetTässä tutkimuksessa on joitain rajoituksia. Se oli yhden keskuksen tutkimus. Vaikka WSI: t luotiin käyttäen 2 skanneria 2 laitoksessa, jäädytetty osatietojoukko luotiin kokonaan 1 laitoksessa, kun taas pysyvän osan tietojoukko luotiin toisesta. Vaikka pieni alustava tietojoukko (n = 17) viittasi siihen, että jäädytettyjen osien malliennusteet osoittivat kohtuullista vastaavuutta niihin liittyvien pysyvien osien kanssa ja että malli ylitti päivystävät patologit näissä jäädytetyissä osissa (eFigure 8 lisäyksessä), tässä tutkimuksessa ei käsitelty suoraan erillistä kysymystä siitä, kuinka tarkasti jäädytetyt osat (samoin kuin patologien arvioinnit niistä) vastasivat pysyviä osia, jotka myöhemmin hankittiin ja käsiteltiin samalta biopsianäyte.

Aineisto oli pieni verrattuna muihin DL-tutkimuksiin. Glomeruloja tutkittiin kuitenkin yhteensä lähes 8500, mikä on suhteellisen suuri määrä. Rajoitus suurempien tapausten määrän arvioinnissa on aikaa vievässä prosessissa, jossa tehdään sarjamerkintöjä vesille. Tämän mallin kestävyyden arvioimiseksi edelleen tarvitaan lisätutkimuksia, joissa mallia testataan käyttäen lisälaboratorioista ja skannereista tuotettuja vesijohtoja.

PäätelmätTässä ennustetutkimuksessa havaittiin parempi suorituskyky prosenttiosuuden kvantifioinnissamaailmanlaajuinen glomeruloskleroosijäädytetyn ja pysyvän hematoksyliini-eosiini-värjätyn luovuttajansiirron WSI:istämunuaisbiopsianäytteetDL-mallilla kuin päivystyslautakunnan sertifioimilla patologeilla. Suorituskykyä parannettiin edelleen tutkimalla muita kudososia, prosessi, joka on patologien kapasiteetin ulkopuolella luovuttajabiopsianäytteiden arvioinnin aikaherkässä luonteessa. Tulokset osoittivat pienemmän todennäköisyyden, että prosenttilukua luonnehditaan väärinmaailmanlaajuinen glomeruloskleroosiDL-mallia käytettäessä, mikä vähentää todennäköisyyttä, että luovuttajaelimet hävitetään epäasianmukaisesti tai että käytetään epäoptimaalista elintä. Tulokset havainnollistavat merkittäviä voittoja, jotka voitaisiin saavuttaa DL-menetelmillä kirurgisen patologian kliinisessä käytännössä.