ruЯзык
Главная / Знания / Содержание

Знания

Оценка рубцевания почек с помощью искусственного интеллекта (исследование AIRS) Ⅱ

May 13, 2024

Полученные результаты

Обе модели были обучены и проверены на 152 компьютерных томограммах 92 пациентов, которые содержали 148 левых почек, 152 правых почки и 73трансплантация почек. Характеристики пациентов обобщены в Таблице 1; У 55 пациентов имелся минимальный или легкий (<25%) фиброз, у 14 пациентов - умеренный (25-50%) фиброз и у 23 пациентов - тяжелый (0,50%) фиброз. Средняя рСКФ составила 37626 против 25618 против 16613 мл/мин на 1,73 м2 соответственно в группах с легким, умеренным и тяжелым фиброзом. Пациенты с легким/умеренным фиброзом были сгруппированы для анализа против пациентов с тяжелым фиброзом по данным КТ почек;средний объем почексоставлял 217 см3 (диапазон 48–668) против 76 см3 (диапазон 3–347) в группах фиброза легкой/средней и тяжелой степени (<50% против $50%). Была проведена биопсия одного пациента, которая дала несогласованные оценки фиброза (сравнение медицинской карты с текущим обзором патологоанатома), и основная истина была определена посредством слепого анализа вторым патологоанатомом (см. Благодарности).

cistanche treat kidney disease

КАК ВРЕМЯ ДЕЙСТВИЯ ЦИСТАНША ДЛЯ ПАЦИЕНТОВ С ПОЧКАМИ?

При перекрестной проверке модель «срез за срезом» дала общую AUC 0,917, тогда как подход на основе вокселей дал общую AUC 0,922 (рис. 2). Точность модели, чувствительность, специфичность, PPV и NPV при различных пороговых значениях, оцененных в обоих алгоритмах CNN, суммированы в таблице 2. При пороге прогнозирования {{10}},5, срез -срезовой подход дал нам точность 0.831, чувствительность 0.817, специфичность {{20}}.852, PPV 0.886. и NPV 0,767. При том же пороге прогнозирования 0.5 подход на основе вокселей дал аналогичные результаты с точностью 0.879, чувствительностью 0.853, специфичностью {{35} }.916, PPV 0,935 и NPV 0,816. Подход на основе вокселей при сравнении с достоверными отчетами о патологии дает 13 ложноположительных результатов (легкий/умеренный фиброз классифицируется как тяжелый), 32 ложноотрицательных результата (тяжелый фиброз не обнаружен; 15% коэффициент ошибок), 187 истинно положительных результатов и 141 истинно отрицательный результат. .
Результаты стратифицированного анализа подгрупп показаны в Таблице 3. Общие показатели обеих моделей были одинаковыми после исключения постконтрастных исследований и/илиисключение атрофических собственных почеку пациентов, перенесших трансплантацию. Незначительное снижение производительности (точность {{0}}.86) было отмечено специально для стратегии CNN на основе вокселей после удаления постконтрастных исследований; все остальные перестановки продемонстрировали точность 0,90 доллара. Кроме того, общая обобщаемость модели сохранялась после стратификации обучающего набора (Philips, GE) и проверочного набора (Siemens) исключительно производителем. Сравнение наших инструментов прогнозирования и других исследований CNN, которыеоценено заболевание почекпараметры - это суммапредставлено в таблице 4.

Echinacoside of cistanche can improve kidney function

Обсуждение

Мы инициировали исследование AIRS с целью разработки инструментов машинного обучения дляколичественно оценить фиброз почеккак неинвазивная диагностическая альтернатива биопсии почки. В когорте из 92 пациентов мы проанализировали 300изображения нативной почкии 73 трансплантированных почки по результатам 152 КТ брюшной полости. Мы обнаружили, что глобальные модели CNN, основанные на срезах и вокселах, схожи в дифференциации тяжелой степени тяжести от легкой/тяжелой.умеренный фиброз почек, с AUC {{0}},917 по сравнению с 0,922 и PPV 0,886 по сравнению с 0,935 по сравнению с фактическими данными изотчеты о биопсии почки. Обе модели CNN работали стабильно при тестировании на различных компьютерных томографах и при исключении атрофических собственных почек у пациентов, перенесших трансплантацию; глобальная модель «срез за срезом» имела немного лучшую точность прогнозирования, когда тестировались только компьютерные томографии без контраста.

Диагностическая биопсия почки остается стандартом лечения, когда гистологический диагноз необходим для лечения протеинурии, отторжения трансплантата или необъяснимой почки.дисфункция (1,2). Однако решение о проведении нативной биопсии почки может быть сложным, особенно если пациент принимает антикоагулянтную терапию или имеет анемию или тромбоцитопению., что может увеличить риск серьезных осложнений,включая переливание крови, ангиографическое вмешательство,и смертность (общая частота инцидентов 2%, 0,3% и 0,06%,соответственно) (6). Неинвазивные инструменты для оценки степенипочекфиБрозы отсутствуют (7), и на сегодняшний день не утиоптимизированные инструменты машинного обучения для минимизации субъективности ипредвзятость. Эти инструменты могут оказаться полезными при оценке вконтекст других маркеров хронической почечной недостаточности(e.g., повышенный уровень паратгормона и фосфата). По номиналуВ частности, прогнозирование тяжелых (.50%) фиБрозис может оправдатьизбегание биопсии почки, поскольку пациент не будетбыть кандидатом на иммуномодулирующую терапию (i.e.,биопсия не изменит клинического ведения). Эта информацияЭто ценно, например, когда пациенты обращаютсяс прогрессирующей почечной недостаточностью и неизвестным медицинским состояниемтори. Дополнительные проходы биопсийной иглой для оптимизации

забор клубочков для гистологии изфиброзная почкаможет привести к повышенному риску кровотечения (22). Если по данным CNN-анализа компьютерной томографии прогнозируется тяжелая степень фиброза, медицинская бригада может принять решение ограничить забор биопсии или вообще избежать биопсии почки после совместного принятия решения с пациентом. Следует отметить, что диагностическая биопсия нативной почки все еще может быть показана при кажущейся терминальной стадии почки по усмотрению нефролога для оценки кандидатуры на трансплантацию или для определения этиологии системного заболевания.

Мы отметили, что порог прогнозирования 0,5 показал наилучшие результаты с точки зрения будущего применения при принятии клинических решений, при этом цель состоит в том, чтобы идентифицировать пациентов сразвитая почкафиБроза и, таким образом, избежать инвазивной биопсиии его потенциальные осложнения кровотечения, обсуждавшиеся выше.В модели CNN на основе вокселей пороговое значение 0,5 будет

выявляют 85% людей с прогрессирующим фиброзом почек с PPV 94% (таблица 2). Повышение порога до 0.9 незначительно улучшит PPV до 95 %, но резко снизит чувствительность с 85 % до 72 % (т. е. пропустит 28 % лиц с тяжелым фиброзом).

effect of cistanche improve kidney function (2)

В настоящее время основным ограничением предлагаемого алгоритма является требование вручную определить интересующую область для каждой почки перед прогнозированием глубокого обучения.
Однако следует отметить, что, хотя в рамках этого исследования были созданы трехмерные контуры почек, для прогнозирования для каждого нового пациента (т. е. отдельно от обучения) требовалось определить только грубый ограничивающий куб вокруг почки(ей). . Разрабатываются алгоритмы сегментации всей почки на основе глубокого обучения, которые будут способствовать полностью автоматизированному сквозному процессу (23,24). Еще одним ограничением является то, что неоднородность степени фиброза в одной почке может быть источником ошибок в обосновании и проверке алгоритма. В этом исследовании мы решили отдать приоритет включению большего количества потенциально зашумленных данных (все почки были сегментированы), а не использованию небольшого количества чистых данных; эмпирически эта стратегия распространена в задачах глубокого обучения больших данных, и наши наблюдения за прогнозируемой AUC алгоритма, равной 0,911, позволяют предположить, что степень шума, вносимая этой стратегией, является умеренной. Будущее усовершенствование этих алгоритмов прогнозирования CNN будет изучено путем включения клинических лабораторных показателей, имеющих отношение к ХБП, таких как креатинин, паратиреоидный гормон и гемоглобин. В ожидании больших наборов данных выходные данные алгоритма могут быть дополнительно оптимизированы, чтобы включить более обширное количественное группирование.(степеньфиБроз,25%, 25%–50%, 50%–75%, и.75%). Наконец, учитывая, что текущий алгоритм обучен и валидировандатировано данными одного учреждения, дальнейшая работа ведетсянеобходимо оценить возможность обобщения за пределы изучаемогокогорта пациентов.
Насколько нам известно, исследование AIRS является первым, в котором используются модели CNN для прогнозирования степени фиброза почек на основе изображений. Результаты являются многообещающими и позволяютоснову для тестирования этих инструментов CNN в проспективных испытаниях, чтобыподтвердить их полезность в принятии клинических решений, когда это необходимо.неясно, является ли пациент'заболевание почек является острым по сравнению с

хронический.


kidney function

Раскрытие информации

Дж. Цукерман сообщает о наличии консультационных соглашений с Leica Biosystems; отчеты о получении гонораров от ApotheCom; и сообщает, что является научным консультантом или членом организации «Очерки патологии».ком. П. Чанг сообщает, что имеет консультационные соглашения с иполучение финансирования исследований от Canon Medical; и сообщает о хаввладея долей участия в Avicenna.ai. WL Lau сообщает, чтоконсультационные соглашения с Ardelyx и Fresenius; отчетыполучение финансирования исследований от Американской кардиологической ассоциации,Hub Therapeutics и Национальные институты здравоохранения; и

сообщает о получении гонораров от австралийского отделения нефрологии «Рош». Всем остальным авторам раскрывать нечего.



Финансирование

Этот проект финансировался за счет премии за исследования кафедры медицины Калифорнийского университета в Ирвине на 2019–2021 годы.

Благодарности Авторы благодарят доктора Энтони Сиска (кафедра патологии и лабораторной медицины Медицинской школы Дэвида Геффена Калифорнийского университета в Лос-Анджелесе) за слепой обзордискордантные пациенты с биопсией, чтобы определить основную истину.



Вклад автора

У.Л.Лау разработал концепцию исследования; За курирование данных отвечали К. Чантадули, К. Перес Рейес, Х. Траутт и Дж. Цукерман; Ответственность за это несут П. Чанг, К. Чантадули и Дж. Цукерман.для формального анализа; В.Л. Лау отвечал заприобретение финансирования; К. Чантадули и К. Перес Рейес былиответственный за расследование; П. Чанг, К. Чантадули и Дж.Цукерман отвечал за методологию; В.Л. Лау иХ. Траутт отвечал за администрирование проекта; П. Чанготвечал за ресурсы и программное обеспечение; П. Чанг и В.Л.Лау осуществлял надзор; К. Чантадули и Х. Траутт написалиоригинальный проект; П. Чанг, К. Чантадули, В.Л. Лау, К. Перес Рейес,и Х. Траутт рассмотрели и отредактировали рукопись.


Рекомендации

1. Лучано Р.Л., Мёкель Г.В.: Обновленная информация о биопсии нативной почки: Основная учебная программа, 2019 г. Am J Kidney Dis 73: 404–415, 2019 https://doi.org/10.1053/j.ajkd.2018.10.011.

2. Хоган Дж., Мокану М., Бернс Дж. С.: Биопсия нативной почки: обновленная информация и доказательства передовой практики. Clin J Am Soc Nephrol 11: 354–362, 2016Источник://doi.org/10.2215/CJN.05750515

3. Бертольд Л., Фридли И., Валле Дж.П., Молл С., Мартин П.Ю., де Сенье С.: Диагностика и оценка фиброза почек: современное состояние. Swiss Med Wkly 147: w14442, 2017 г.

4. Фиорентино М, Болиньяно Д, Тесар В, Пизано А, Ван Бизен В, Д'Арриго Г, Трипепи Г, Джезуальдо Л; Рабочая группа ERA-EDTA по иммунонефрологии: Биопсия почек в 2015 году: от эпидемиологии к показаниям, основанным на фактических данных. Am J Nephrol 43: 1–19, 2016 https://doi.org/10.1159/000444026

5. Брахеми С., Болл и Дж. Практика биопсии почек: каков золотой стандарт? World J Nephrol 3: 287–294, 2014 https://doi.org/10. 5527/wjn.v3.i4.287

6. Поджо Э.Д., Макклелланд Р.Л., Бланк К.Н., Хансен С., Бансал С., Бомбэк А.С., Канетта П.А., Хайраллах П., Кирилюк К., Лекер Ш., МакМахон Г.М., Палевский П.М., Парих С., Росас С.Е., Таттл К., Вас Кез М.А. , Виджаян А., Ровин Б.Х.; Проект точной медицины почек: систематический обзор и метаанализ осложнений биопсии нативной почки. Clin J Am Soc Nephrol 15: 1595–1602, 2020 https://doi.org/10.2215/CJN.04710420

7. Абдельтаваб Х., Шехата М., Шалаби А., Халифа Ф., Махмуд А., Эль-Гар М.А., Дуайер А.С., Газаль М., Хадждиаб Х., Кейнтон Р., Эль-Баз А. Новая CAD-система на основе CNN для ранней оценки дисфункция трансплантированной почки. Sci Rep 9: 5948, 2019 https://doi.org/10.1038/s41598-019-42431-3

8. Ван З, Ян Х, Суо С, Вэй Дж, Тан Р, Гу М: Применение ультразвуковой эластографии при хронической дисфункции аллотрансплантата при трансплантации почки. J Ultrasound Med 36: 1759–1769, 2017 https://doi.org/10.1002/jum.14221

9. Прейсс С., Ротер С., Рендерс Л., Вагенпфейл С., Баттер-Герольд М., Слотта-Хуспенина Дж., Хольцманн С., Кюхле С., Химанн У., Сток К. Ф.: Сонография почечного аллотрансплантата: корреляция между индексом допплерографической резистентности. (РИ) и гистопатология. Clin Hemorheol Microcirc 70: 413–422, 2018 https://doi.org/10.3233/CH-189306

10. Куо CC, Чанг CM, Лю КТ, Лин ВК, Чан HY, Чунг CW, Хо MR, Сунь PR, Ян РЛ, Чен КТ: Автоматизация прогнозирования и классификации функции почек с помощью ультразвуковой визуализации почек с использованием глубокого обучения. Цифра Мед 2: 1–9, 2019 г.

















Вам также может понравиться