Reni

I ricercatori usano l’intelligenza artificiale per determinare l’entità del danno nella malattia renale

kidney, health, smile

Photo by suzakara on Pixabay

(Boston) – La malattia renale cronica (CKD) è causata dal diabete e dall’ipertensione. Nel 2017, la prevalenza globale di CKD era del 9,1%, che è di circa 700 milioni di casi. Il danno renale cronico viene valutato valutando la quantità di fibrosi interstiziale e atrofia tubulare (IFTA) in un campione di biopsia renale. Sebbene la digitalizzazione delle immagini e le tecniche morfometriche (misurazione di forme e dimensioni esterne) possano quantificare meglio l’entità del danno istologico, è necessario un modo più ampiamente applicabile per stratificare la gravità della malattia renale.

Ora, i ricercatori della Boston University School of Medicine (BUSM) hanno sviluppato un nuovo strumento di intelligenza artificiale (AI) per prevedere il grado di IFTA, un noto correlato strutturale della malattia renale progressiva e cronica.

Pubblicità e progresso

“Avere un modello di computer in grado di imitare il flusso di lavoro di un patologo esperto e valutare il grado di malattia è un’idea entusiasmante perché questa tecnologia ha il potenziale per aumentare l’efficienza nelle pratiche cliniche”, ha spiegato l’autore corrispondente ha spiegato l’autore corrispondente Vijaya B. Kolachalama, PhD, assistente professore di medicine presso BUSM.

Il flusso di lavoro tipico del patologo al microscopio prevede operazioni manuali come la panoramica e lo zoom avanti e indietro di regioni specifiche sul vetrino per valutare vari aspetti della patologia. Nella valutazione “zoom indietro”, i patologi esaminano l’intera diapositiva ed eseguono una valutazione “globale” del nucleo renale. Nella valutazione “zoom in”, eseguono una valutazione microscopica approfondita della patologia “locale” nelle regioni di interesse.

Un team internazionale di cinque nefropatologi praticanti ha determinato in modo indipendente i punteggi IFTA sullo stesso set di biopsie renali umane digitalizzate utilizzando un software basato sul web (PixelView, deepPath Inc.). I loro punteggi medi sono stati presi come stima di riferimento per costruire il modello di apprendimento profondo. Per emulare l’approccio del nefropatologo alla classificazione dei vetrini bioptici al microscopio, i ricercatori hanno utilizzato l’intelligenza artificiale per incorporare modelli e caratteristiche da sottoregioni (o patch) dell’immagine della biopsia renale digitalizzata, nonché l’intera immagine digitalizzata (globale) per quantificare il estensione dell’IFTA. Attraverso questa combinazione di dati a livello di patch e a livello globale, è stato progettato un modello di apprendimento profondo per prevedere con precisione il grado IFTA.

Una volta convalidati, Kolachalama ritiene che i modelli di intelligenza artificiale che possono segnare automaticamente l’entità del danno cronico nel rene possano servire come strumenti di seconda opinione nelle pratiche cliniche. “Alla fine, potrebbe essere possibile utilizzare questo algoritmo per studiare altre patologie organo-specifiche incentrate sulla valutazione della fibrosi. Tali metodi possono potenzialmente fornire letture IFTA più riproducibili rispetto alle letture dei nefropatologi”, aggiunge.

###

Questi risultati appaiono online nell’American Journal of Pathology.

Categorie:Reni, Tecno

Con tag:,,