研究人员使用人工智能来确定肾脏疾病的损害程度

慢性肾脏疾病（CKD）是由糖尿病和高血压引起的。2017年，CKD的全球患病率为9.1％，约为7亿例。通过在肾脏活检样本中评估间隙纤维化和管状萎缩（IFTA）的量来评估慢性肾脏损伤。尽管图像数字化和形态计量学（测量外部形状和维度）技术可以更好地量化组织学损伤的程度，但需要一种更广泛的适用方式来分层肾脏疾病严重程度。

现在，波士顿大学医学院（BUSM）的研究人员已经开发了一种新颖的人工智能（AI）工具来预测IFTA的等级，即渐进式和慢性肾病。

“有一个计算机型号可以模仿专家病理学家的工作流程和评估疾病等级是一个令人兴奋的想法，因为这项技术有可能提高临床实践的效率。”布姆。

病理学家在显微镜上的典型工作流程涉及手动操作，例如平移以及放大幻灯片上的特定区域，以评估病理的各个方面。在“缩小”评估中，病理学家回顾了整个幻灯片并执行“全球”评估肾核。在“放大”评估中，他们对感兴趣地区的“局部”病理进行了深入的微观评估。

一个由五名实践肾病学家组成的国际团队，使用基于Web的软件（Pixelview，Deeppath Inc.）独立确定IFTA在同一组数字化的人类肾脏活检中得分。他们的平均分数被视为建立深度学习模型的参考估计。为了模仿肾病学家在显微镜下进行活检滑梯的分级方法，研究人员使用人工智能将数字化肾脏活检图像的子区域（或斑块）的模式和特征纳入IFTA的程度。通过斑块级和全球级别数据的组合，深度学习模型旨在准确预测IFTA等级。

在经过验证后，科拉卡拉玛认为，可以自动对肾脏慢性损害程度的AI模型可以用作临床实践中的第二意见工具。他补充说：“最终，有可能使用该算法来研究针对评估纤维化的其他器官特异性病理学。这种方法可能具有比肾病学家读取更多的可重现IFTA读数的潜力。”

这些发现出现在线美国病理杂志。