srlaJezik
Dom / Знање / Sadržaj

Знање

Процена вештачке интелигенције ожиљака на бубрезима (АИРС студија) Ⅱ

May 13, 2024

Резултати

Оба модела су обучена и валидирана на укупно 152 ЦТ скенирања од 92 пацијента, који су садржали 148 левих бубрега, 152 десна бубрега и 73трансплантирати бубреге. Карактеристике пацијената су сумиране у табели 1; 55 пацијената је имало минималну или благу (25%) фиброзу, 14 пацијената је класификовано као умерену (25%–50%) фиброзу, а 23 пацијента је имала тешку (.50%) фиброзу. Просечан еГФР је био 37626 наспрам 25618 наспрам 16613 мл/мин на 1,73 м2, респективно, у групама са благе наспрам умерене наспрам тешке фиброзе. Пацијенти са благом/умереном фиброзом груписани су за анализу у односу на пацијенте са тешком фиброзом на ЦТ снимку бубрега;просечан волумен бубрегабио је 217 цм3 (опсег 48–668) наспрам 76 цм3 (опсег 3–347) у групама са благом/умереном насупрот тешком (50% наспрам 50%) фиброзних група. Постојала је биопсија једног пацијента која је дала нескладне резултате фиброзе (упоређивање извештаја медицинске карте са тренутним прегледом патолога), а основна истина је утврђена путем слепог прегледа од стране другог патолога (погледајте Признања)

cistanche treat kidney disease

КОЛИКО ЈЕ ТРЕБА ДА ЦИСТАНЦХЕ проради КОД БУБРЕЖНИХ БОЛЕСНИКА?

Приликом унакрсног преклапања валидације, модел парче по кришку дао је укупни АУЦ од 0,917, док је приступ заснован на вокселу дао укупни АУЦ од 0,922 (Слика 2). Тачност модела, осетљивост, специфичност, ППВ и НПВ на различитим праговима процењеним у оба ЦНН алгоритма су сажети у табели 2. На прагу предвиђања од {{10}}.5, пресек по -слице приступ нам је дао тачност од 0.831, осетљивост од 0.817, специфичност {{20}}.852, ППВ од 0.886 , и НПВ од 0.767. На истом прагу предвиђања од 0.5, приступ заснован на вокселу дао је сличне резултате са тачношћу од 0.879, осетљивошћу од 0.853, специфичношћу од {{35} }.916, ППВ од 0,935 и НПВ од 0,816. Приступ заснован на вокселу када се упореди са извештајима о патологији са истинитим подацима даје 13 лажних позитивних резултата (блага/умерена фиброза класификована као тешка), 32 лажно негативна (тешка фиброза није откривена; 15% промашаја), 187 истинитих позитивних резултата и 141 прави негативан .
Резултати стратификованих субкохортних анализа приказани су у табели 3. Укупни учинак у оба модела био је сличан након искључивања постконтрастних прегледа и/илиискључивање атрофичних нативних бубрегакод пацијената који су били подвргнути трансплантацији. Мало смањење перформанси ({{0}}.86 тачност) је примећено посебно за ЦНН стратегију засновану на вокселу након уклањања прегледа након контраста; све остале пермутације су показале тачност од 0,90 долара. Поред тога, укупна генерализација модела је очувана након стратификације комплета за обуку (Пхилипс, ГЕ) и сета за валидацију (Сиеменс) искључиво од стране произвођача. Поређење наших алата за предвиђање и других ЦНН студија којепроцењена болест бубрегапараметара је збирприказано у табели 4.

Echinacoside of cistanche can improve kidney function

Дискусија

Покренули смо АИРС студију за развој алата за машинско учењеквантификовати фиброзу бубрегакао неинвазивна дијагностичка алтернатива биопсији бубрега. У кохорти од 92 пацијента, анализирали смо 300изворне слике бубрегаи 73 трансплантирана бубрега од 152 ЦТ скенирања абдомена. Открили смо да су глобални ЦНН-ови модели слице-по-слице и воксела слични у разликовању тешких од благих/умерена фиброза бубрега, са АУЦ {{0}}.917 наспрам 0.922, и ППВ 0.886 наспрам 0.935, у поређењу са основном истином изизвештаји о биопсији бубрега. Оба модела ЦНН-а су била доследна када су тестирана на различитим ЦТ скенерима и када су искључени атрофични нативни бубрези код пацијената који су били подвргнути трансплантацији; глобални модел парче по кришку имао је нешто бољу тачност предвиђања када су тестирани само ЦТ скенови без контраста.

Дијагностичка биопсија бубрега остаје стандард неге када је хистолошка дијагноза потребна да би се водило лечење протеинурије, одбацивања трансплантата или необјашњивог бубрегадисфункција (1,2). Међутим, одлука о нативној биопсији бубрега може бити сложена, посебно ако је пацијент на антикоагулансној терапији или има анемију или тромбоцитопенијушто може повећати ризик од великих компликација,укључујући трансфузију крви, ангиографске интервенције,и смрт (укупне стопе инцидената 2%, 0.3% и 0.06%,односно) (6). Неинвазивни алати за процену степенаод бубрегафибросис недостају (7), а до данас нису утилизоване алатке за машинско учење како би се минимизирала субјективност исклоност. Ови алати се могу показати корисним када се процене уконтекст других маркера хроничног оштећења бубрега(e.g., повишен паратироидни хормон и фосфат). У партикуларно, предвиђање тешке (.50%) фибросис може оправдатиизбегавање биопсије бубрега јер пацијент не бибити кандидат за имуномодулациону терапију (i.e., тхебиопсија не би променила клиничко управљање). Ова информацијамација је драгоцена, на пример, када су пацијенти присутниса узнапредовалом инсуфицијенцијом бубрега и непознатим медицинским његовимтори. Додатни пролази са иглом за биопсију ради оптимизације

узорковање гломерула за хистологију из афиброзни бубрегможе довести до повећаног ризика од крварења (22). Ако се на ЦНН анализи ЦТ скенирања предвиди озбиљан степен фиброзе, медицински тим може одлучити да ограничи узимање узорака биопсије или да у потпуности избегне биопсију бубрега, након заједничког доношења одлуке са пацијентом. Треба напоменути да дијагностичка нативна биопсија бубрега и даље може бити индикована у наизглед завршном стадијуму бубрега по дискреционом нахођењу нефролога како би се водила евалуација кандидатуре за трансплантацију или да би се утврдила етиологија системске болести.

Приметили смо да је праг предвиђања од 0.5 био најбољи у погледу будуће применљивости у клиничком доношењу одлука, при чему је циљ да се идентификују пацијенти саузнапредовали бубрегфиброзу, и на тај начин избегавају инвазивну биопсијуи његове потенцијалне компликације крварења о којима је горе дискутовано.Са ЦНН моделом заснованим на вокселу, праг од 0.5 би био

идентификују 85% особа са узнапредовалом фиброзом бубрега са ППВ од 94% (Табела 2). Подизање прага на 0.9 би незнатно побољшало ППВ на 95%, али би драстично смањило осетљивост са 85% на 72% (тј. пропустило би 28% особа са тешком фиброзом).

effect of cistanche improve kidney function (2)

Тренутно, примарно ограничење предложеног алгоритма је захтев да се мануелни регион од интереса дефинише за сваки бубрег пре предвиђања дубоког учења.
Треба напоменути, међутим, да иако су тродимензионалне контуре бубрега генерисане као део ове студије, предвиђање за сваког новог пацијента (тј. одвојено од тренинга) захтевало је да се дефинише само груба гранична коцка око бубрега(-ова). . Развијају се алгоритми за сегментацију целог бубрега засновану на дубоком учењу, што би омогућило потпуно аутоматизован процес од краја до краја (23,24). Друго ограничење је да хетерогеност у степену фиброзе у једном бубрегу може бити извор грешке у алгоритму заснованом на истини и валидацији. У овој студији, одлучили смо да дамо приоритет компромису укључивања више потенцијално бучних података (цели бубрези су сегментирани) уместо да користимо малу количину чистих података; Емпиријски, ова стратегија је уобичајена у задацима дубоког учења великих података, а наше запажање АУЦ за предвиђање алгоритма од 0.911 сугерише да је степен буке уведен овом стратегијом скроман. Будуће усавршавање ових алгоритама за предвиђање ЦНН-а ће бити истражено кроз инкорпорацију клиничких лабораторијских вредности релевантних за ЦКД, као што су креатинин, паратироидни хормон и хемоглобин. У очекивању већих скупова података, излаз алгоритма се може даље оптимизовати да укључи експанзивније квантитативно биннинг(звањефибросис,25%, 25%–50%, 50%–75%, и.75%). Коначно, с обзиром да је тренутни алгоритам обучен и ваљандатиран на подацима из једне институције даљи рад јепотребно за процену генерализације изван проучаваногкохорта пацијената.
Према нашим сазнањима, студија АИРС је прва која користи ЦНН моделе за предвиђање степена фиброзе бубрега на основу скенирања слике. Резултати су обећавајући и пружају аоснова за тестирање ових ЦНН алата у будућим испитивањима, дапотврди њихову корисност у клиничком доношењу одлука када јенејасно да ли пацијент'с бубрежна болест је акутна у односу на

хронична.


kidney function

Откривања

Ј. Зуцкерман извештава да има консултантске уговоре са Леица Биосистемс; извештава о примању хонорара од АпотхеЦома; и извештаје као научни саветник или члан Патологије обрисицом. П. Цханг извештава да има консултантске уговоре са, ипримање средстава за истраживање од компаније Цанон Медицал; и извештаји хавинг власнички удео у Авиценна.аи. ВЛ Лау извештава да имаконсултантски уговори са Арделиком и Фресениусом; извештајиприма средства за истраживање од Америчког удружења за срце,Хуб Тхерапеутицс и Национални институт за здравље; и

извештава о примању хонорара од Роцхе Аустралиан Непхрологи Прецепторсхип. Сви преостали аутори немају шта да открију.



Финансирање

Овај пројекат је финансирао Универзитет Калифорније, Награда за истраживање Катедре за медицину Ирвине 2019–2021.

Захвалнице Аутори се захваљују др.нескладни пацијенти са биопсије да би се утврдила основна истина.



Прилози аутора

ВЛ Лау је концептуализовао студију; Ц. Цхантадули, К. Перез Реиес, Х. Троутт, и Ј. Зуцкерман су били одговорни за прикупљање података; Одговорни су били П. Цханг, Ц. Цхантадули и Ј. Зуцкерманза формалну анализу; ВЛ Лау је био одговоран заприбављање средстава; Ц. Цхантадули и К. Перез Реиес су билиодговоран за истрагу; П. Цханг, Ц. Цхантадули и Ј.Зуцкерман је био одговоран за методологију; ВЛ Лау иХ. Троутт је био одговоран за администрацију пројекта; П. Цхангбио одговоран за ресурсе и софтвер; П. Цханг и ВЛЛау је обезбедио надзор; Ц. Цхантадули и Х. Троутт су написалиоригинални нацрт; П. Цханг, Ц. Цхантадули, ВЛ Лау, К. Перез Реиес,и Х. Троутт су прегледали и уредили рукопис.


Референце

1. Луциано РЛ, Моецкел ГВ: Ажурирање нативне биопсије бубрега: Основни наставни план и програм 2019. Ам Ј Киднеи Дис 73: 404–415, 2019 хттпс://дои.орг/10.1053/ј.ајкд.2018.10.011

2. Хоган ЈЈ, Моцану М, Бернс ЈС: Нативна биопсија бубрега: ажурирање и докази за најбољу праксу. Цлин Ј Ам Соц Непхрол 11: 354–362, 2016хттпс://дои.орг/10.2215/ЦЈН.05750515

3. Берцхтолд Л, Фриедли И, Валл ее ЈП, Молл С, Мартин ПИ, де Сеигнеук С: Дијагноза и процена реналне фиброзе: стање технике. Свисс Мед Вкли 147: в14442, 2017

4. Фиорентино М, Болигнано Д, Тесар В, Писано А, Ван Биесен В, Д'Арриго Г, Трипепи Г, Гесуалдо Л; ЕРА-ЕДТА радна група за имунонефрологију: Биопсија бубрега 2015: од епидемиологије до индикација заснованих на доказима. Ам Ј Непхрол 43: 1–19, 2016 хттпс://дои.орг/10.1159/000444026

5. Брацхеми С, Болл ее Г: Пракса биопсије бубрега: Шта је златни стандард? Свет Ј Нефрол 3: 287–294, 2014 хттпс://дои.орг/10. 5527/вјн.в3.и4.287

6. Поггио ЕД, МцЦлелланд РЛ, Бланк КН, Хансен С, Бансал С, Бомбацк АС, Цанетта ПА, Кхаираллах П, Кирилук К, Лецкер СХ, МцМахон ГМ, Палевски ПМ, Парикх С, Росас СЕ, Туттле К, Ваз куез МА , Вијаиан А, Ровин БХ; Пројекат прецизне медицине бубрега: Систематски преглед и мета-анализа компликација нативне биопсије бубрега. Цлин Ј Ам Соц Непхрол 15: 1595–1602, 2020 хттпс://дои.орг/10.2215/ЦЈН.04710420

7. Абделтаваб Х, Схехата М, Схалаби А, Кхалифа Ф, Махмоуд А, Ел-Гхар МА, Двиер АЦ, Гхазал М, Хајјдиаб Х, Кеинтон Р, Ел-Баз А: Нови ЦАД систем заснован на ЦНН-у за рану процјену дисфункција трансплантираног бубрега. Научни представник 9: 5948, 2019 хттпс:// дои.орг/10.1038/с41598-019-42431-3

8. Ванг З, Ианг Х, Суо Ц, Веи Ј, Тан Р, Гу М: Примена ултразвучне еластографије за хроничну дисфункцију алографта у трансплантацији бубрега. Ј Ултрасоунд Мед 36: 1759–1769, 2017 хттпс://дои.орг/10.1002/јум.14221

9. Преусс С, Ротхер Ц, Рендерс Л, Вагенпфеил С, Б€ уттер-Херолд М, Слотта-Хуспенина Ј, Холтзманн Ц, Куецхле Ц, Хееманн У, Стоцк КФ: Сонографија бубрежног алографта: Корелација између индекса доплер сонографске резистенције (РИ) и хистопа тологија. Цлин Хеморхеол Мицроцирц 70: 413–422, 2018 хттпс:// дои.орг/10.3233/ЦХ-189306

10. Куо ЦЦ, Цханг ЦМ, Лиу КТ, Лин ВК, Цхианг ХИ, Цхунг ЦВ, Хо МР, Сун ПР, Ианг РЛ, Цхен КТ: Аутоматизација предвиђања и класификације функције бубрега путем ултразвучног снимања бубрега користећи дубоко учење. Цифра Мед 2: 1–9, 2019

















Можда ти се такође свиђа