הערכת אינטליגנציה מלאכותית של צלקות כליות (מחקר AIRS) Ⅱ

תוצאות

שני המודלים אומנו ואומתו על סך 152 סריקות CT מ-92 חולים, שהכילו 148 כליות שמאליות, 152 כליות ימין ו-73השתלת כליות. מאפייני המטופל מסוכמים בטבלה 1; 55 חולים סבלו מפיברוזיס מינימלית או קלה (,25%), 14 חולים סווגו לפיברוזיס בינונית (25%-50%), ו-23 חולים סבלו מפיברוזיס חמור (.50%). eGFR ממוצע היה 37626 לעומת 25618 לעומת 16613 מ"ל/דקה ל-1.73 מ"ר, בהתאמה, בקבוצות הפיברוזיס הקלה לעומת הבינונית לעומת החמורה. חולים עם פיברוזיס קל/בינוני קובצו לניתוח נגד חולים עם פיברוזיס חמור בהדמיית CT כליות;נפח כליות ממוצעהיה 217 סמ"ק (טווח 48-668) לעומת 76 סמ"ק (טווח 3-347) בקבוצות הפיברוזיס הקל/בינוני לעומת חמור (50% לעומת 50$). הייתה ביופסיה אחת של חולה שהניבה ציוני פיברוזיס לא מתאימים (בהשוואה לדוח תרשים רפואי עם סקירת פתולוג נוכחית), והאמת הבסיסית נקבעה באמצעות סקירה עיוורת על ידי פתולוג שני (ראה תודות)

cistanche treat kidney disease

כמה זמן לוקח ל-CISTANCHE לעבוד עבור חולי כליות?

באימות צולב, המודל פרוסה אחר פרוסה הניב AUC כולל של 0.917, בעוד שהגישה מבוססת ווקסל הניבה AUC כולל של 0.922 (איור 2). דיוק המודל, הרגישות, הספציפיות, ה-PPV וה-NPV בספים שונים שהוערכו בשני האלגוריתמים של CNN מסוכמים בטבלה 2. בסף חיזוי של {{10}}.5, הפרוסה לפי גישת -slice נתנה לנו דיוק של 0.831, רגישות של 0.817, ספציפיות של {{20}}.852, PPV של 0.886 , ו-NPV של 0.767. באותו סף חיזוי של 0.5, הגישה מבוססת ווקסל הניבה תוצאות דומות עם דיוק של 0.879, רגישות של 0.853, ספציפיות של {{35} }.916, PPV של 0.935 ו-NPV של 0.816. הגישה המבוססת על ווקסל בהשוואה לדיווחי פתולוגיה מבוססי אמת מניבה 13 תוצאות חיוביות שגויות (פיברוזיס קלה/בינונית מסווגת כחמורה), 32 שליליות שווא (פיברוזיס חמורה לא זוהתה; שיעור החמצות של 15%), 187 חיוביות אמיתיות ו-141 שליליות אמיתיות. .

תוצאות מניתוחי קבוצות משנה מרובדות מוצגות בטבלה 3. הביצועים הכוללים בשני המודלים היו דומים לאחר אי הכללה של בחינות שלאחר ניגודיות ו/אוהדרה של כליות מקומיות אטרופיותבחולים שעברו השתלה. ירידה קלה בביצועים ({{0}}.86 דיוק) צוינה במיוחד עבור אסטרטגיית CNN מבוססת ווקסל לאחר הסרת בחינות פוסט-קונטרסט; כל שאר התמורות הוכיחו דיוק של 0.90$. בנוסף, יכולת ההכללה הכוללת של המודל נשמרה לאחר ריבוד של ערכת האימונים (Philips, GE) וערכת האימות (Siemens) אך ורק על ידי היצרן. השוואה של כלי החיזוי שלנו ומחקרים אחרים של CNNהערכת מחלת כליותפרמטרים זה סכוםכלולים בטבלה 4.

Echinacoside of cistanche can improve kidney function

דִיוּן

יזמנו את מחקר AIRS כדי לפתח כלי למידת מכונהלכמת פיברוזיס בכליותכחלופה אבחנתית לא פולשנית לביופסיה כלייתית. בקבוצה של 92 חולים, ניתחנו 300תמונות כליות מקומיותו-73 כליות מושתלות מ-152 סריקות CT בטן. מצאנו שהמודלים הגלובליים של פרוסה אחר פרוסה ומודלים מבוססי ווקסל של CNN היו דומים בהבחנה בין חמור לקל/פיברוזיס בכליות בינוני, עם AUC {{0}}.917 לעומת 0.922, ו-PPV 0.886 לעומת 0.935, בהשוואה לאמת הקרקע מדוחות ביופסיה של הכליה. שני המודלים של CNN פעלו באופן עקבי כאשר נבדקו מול סורקי CT שונים וכאשר לא נכללו כליות מקומיות אטרופיות בחולים שעברו השתלה; למודל הגלובלי פרוס-אחר-פרוסה היה דיוק חיזוי מעט טוב יותר כאשר נבדקו רק סריקות CT ללא ניגודיות.

ביופסיית כליה אבחנתית נותרה הסטנדרט של הטיפול כאשר האבחנה ההיסטולוגית נדרשת כדי להנחות את הטיפול בפרוטאינוריה, דחיית השתלה או כליה לא מוסברתתפקוד לקוי (1,2). עם זאת, ההחלטה לבצע ביופסיית כליה מקומית עשויה להיות מורכבת, במיוחד אם המטופל נמצא בטיפול נוגד קרישה או סובל מאנמיה או טרומבוציטופניה., מה שעלול להגביר את הסיכון לסיבוכים גדולים,כולל עירויי דם, התערבות אנגיוגרפית,ומוות (שיעורי האירועים הכוללים 2%, 0.3% ו-0.06%,בהתאמה) (6). כלים לא פולשניים להערכת התוארשל כליהfibrosis חסרים (7), ועד היום אין utiכלי למידת מכונה כדי למזער סובייקטיביות והֲטָיָה. כלים אלה יכולים להיות שימושיים כאשר הם מוערכים ב-הקשר של סמנים אחרים של ליקוי כרוני בכליות(e.g., הורמון פארתירואיד מוגבר ופוספט). בסעיףטיקולאר, החיזוי של חמור (.50%) fibrosis עשוי להצדיקהימנעות מביופסיה של כליה מכיוון שהמטופל לא יעשה זאתלהיות מועמד לטיפול מווסת חיסון (i.e., הביופסיה לא תשנה את הניהול הקליני). המידע הזההתיאום הוא בעל ערך, למשל, כאשר נוכחים מטופליםעם אי ספיקת כליות מתקדמת ורפואה לא ידועה שלושַׁמְרָן. מעברים נוספים עם מחט הביופסיה למיטוב

הדגימה של גלומרולי להיסטולוגיה מאכליה פיברוטיתעלול להוביל לסיכון מוגבר לדימום (22). אם צפויה מידה חמורה של פיברוזיס בניתוח CNN של סריקת CT, הצוות הרפואי עשוי להחליט להגביל את דגימת הביופסיה או להימנע לחלוטין מביופסיה של כליה, לאחר קבלת החלטות משותפת עם המטופל. יש לציין, ביופסיית כליות אבחנתית עדיין עשויה להיות מסומנת על פי שיקול דעת של רופא נפרולוג בשלב סופי, כדי להנחות את הערכת המועמדות להשתלה או כדי לקבוע את האטיולוגיה של מחלה מערכתית.

ציינו שסף חיזוי של 0.5 עשה את הטוב ביותר בנוגע ליישום העתידי בקבלת החלטות קלינית, לפיו המטרה היא לזהות חולים עםכליה מתקדמתfibrosis, ובכך להימנע מביופסיה פולשניתוסיבוכי הדימום הפוטנציאליים שלו שנדונו לעיל.עם מודל CNN מבוסס ווקסל, סף של 0.5 יהיה

לזהות 85% מהאנשים עם פיברוזיס בכליות מתקדם עם PPV של 94% (טבלה 2). העלאת הסף ל-0.9 תשפר באופן שולי את ה-PPV ל-95% אך תפחית באופן דרסטי את הרגישות מ-85% ל-72% (כלומר, תחמיץ 28% מהאנשים עם פיברוזיס חמור).

effect of cistanche improve kidney function (2)

נכון לעכשיו, המגבלה העיקרית של האלגוריתם המוצע היא הדרישה להגדיר אזור ידני של עניין עבור כל כליה לפני חיזוי למידה עמוקה.

עם זאת, יש לציין כי למרות שנוצרו קווי מתאר של כליה תלת מימדית כחלק ממחקר זה, החיזוי עבור כל מטופל חדש (כלומר, בנפרד מהאימונים) דרש רק קובייה תוחמת גסה סביב הכליה/ים כדי להיות מוגדרת. . מפותחים אלגוריתמים לפילוח כליות שלמות המבוססות על למידה עמוקה, שיאפשרו תהליך אוטומטי מלא מקצה לקצה (23,24). מגבלה נוספת היא שהטרוגניות במידת הפיברוזיס על פני כליה בודדת עשויה להיות מקור לטעות באמיתות ובאימות האלגוריתמים. במחקר זה, החלטנו לתעדף את הפשרה של הכללת נתונים שעלולים להיות רועשים יותר (הכליות שלמות היו מפולחות) במקום להשתמש בכמות קטנה של נתונים נקיים; מבחינה אמפירית, אסטרטגיה זו נפוצה במשימות למידה עמוקה ב-Big Data, והתצפית שלנו על חיזוי אלגוריתם AUC של 0.911 מציעה שמידת הרעש המוכנסת על ידי אסטרטגיה זו היא צנועה. חידוד עתידי של אלגוריתמי החיזוי הללו של CNN ייבדק באמצעות שילוב של ערכי מעבדה קליניים הרלוונטיים ל-CKD, כגון קריאטינין, הורמון פארתירואיד והמוגלובין. בהמתנה למערכי נתונים גדולים יותר, ניתן לבצע אופטימיזציה נוספת של פלט האלגוריתם כך שיכלול binning כמותי נרחב יותר(תואר בfibrosis,25%, 25%–50%, 50%–75%, ו.75%). לבסוף, בהתחשב באלגוריתם הנוכחי הוא מאומן ותוקףמתוארך לנתונים ממוסד בודד, עבודה נוספת היאנדרש להעריך יכולת הכללה מעבר למחקר הנחקרקבוצת חולים.

למיטב ידיעתנו, מחקר AIRS הוא הראשון שמשתמש במודלים של CNN כדי לחזות את מידת הפיברוזיס בכליות מסריקות הדמיה. התוצאות מבטיחות ומספקות אבסיס לבדיקת כלי CNN אלה בניסויים עתידיים, כדילאמת את התועלת שלהם בקבלת החלטות קלינית כאשר כןלא ברור אם מטופל'מחלת הכליות היא חריפה לעומת

כְּרוֹנִי.

kidney function

גילויים

ג'יי צוקרמן מדווח על הסכמי ייעוץ עם Leica Biosystems; דיווחים על קבלת כבוד מ-ApotheCom; ומדווח על היותו יועץ מדעי או חבר במתאר פתולוגיהcom. P. Chang מדווחת על הסכמי ייעוץ עם, ומקבל מימון מחקר מ- Canon Medical; ודוחות האבעם זכויות בעלות ב-Avicenna.ai. WL Lau מדווח שישהסכמי ייעוץ עם Ardelyx ו-Fresenius; דיווחיםמקבל מימון מחקר מאגודת הלב האמריקאית,Hub Therapeutics, והמכונים הלאומיים לבריאות; ו

מדווח על קבלת הוקרה מ-Roche Australian Nephrology Receptorship. לכל היוצרים הנותרים אין מה לחשוף.

מימון

פרויקט זה מומן על ידי פרס מחקר כיסא לרפואה של אוניברסיטת קליפורניה, המחלקה לרפואה באוניברסיטת אירווין 2019–2021.

תודות המחברים מודים לד"ר אנתוני סיסק (המחלקה לפתולוגיה ולרפואת מעבדה, בית הספר לרפואה של דיוויד גפן באוניברסיטת קליפורניה לוס אנג'לס) על הסקירה העיוורת שלחולי ביופסיה חסרי התאמה לקביעת האמת.

תרומות מחבר

WL Lau הגתה את המחקר; C. Chantaduly, K. Perez Reyes, H. Troutt ו-J. Zuckerman היו אחראים לאיסוף הנתונים; P. Chang, C. Chantaduly ו-J. Zuckerman היו אחראיםלניתוח הפורמלי; WL Lau היה אחראי עלרכישת מימון; C. Chantaduly ו K. Perez Reyes היואחראי על החקירה; P. Chang, C. Chantaduly, ו-J.צוקרמן היו אחראים למתודולוגיה; WL לאו וH. Trout היו אחראים על ניהול הפרויקט; פ. צ'אנגהיה אחראי על המשאבים והתוכנה; פ' צ'אנג ו-ו.ללאו סיפק השגחה; C. Chantaduly וה. Troutt כתבו אתטיוטה מקורית; P. Chang, C. Chantaduly, WL Lau, K. Perez Reyes,וה' טראוט סקר וערך את כתב היד.

הפניות

1. Luciano RL, Moeckel GW: Update on the Native kidney biopsy: Core Curriculum 2019. Am J Kidney Dis 73: 404–415, 2019 https://doi.org/10.1053/j.ajkd.2018.10.011

2. Hogan JJ, Mocanu M, Berns JS: ביופסיית הכליה המקורית: עדכון ועדויות לשיטות עבודה מומלצות. Clin J Am Soc Nephrol 11: 354–362, 2016https://doi.org/10.2215/CJN.05750515

3. Berchtold L, Friedli I, Vall ee JP, Moll S, Martin PY, de Seigneux S: אבחון והערכה של פיברוזיס בכליות: המצב של אמנות. Swiss Med Wkly 147: w14442, 2017

4. Fiorentino M, Bolignano D, Tesar V, Pisano A, Van Biesen W, D'Arrigo G, Tripepi G, Gesualdo L; ERA-EDTA Immunonephrology Group Working: ביופסיה כלייתית בשנת 2015: מאפידמיולוגיה להתוויות מבוססות ראיות. Am J Nephrol 43: 1–19, 2016 https://doi.org/10.1159/000444026

5. Brachemi S, Boll ee G: תרגול ביופסיית כליות: מהו תקן הזהב? World J Nephrol 3: 287–294, 2014 https://doi.org/10. 5527/wjn.v3.i4.287

6. Poggio ED, McClelland RL, Blank KN, Hansen S, Bansal S, Bomback AS, Canetta PA, Khairallah P, Kiryluk K, Lecker SH, McMahon GM, Palevsky PM, Parikh S, Rosas SE, Tuttle K, Vaz quez MA , Vijayan A, Rovin BH; פרויקט רפואה מדויקת של הכליות: סקירה שיטתית ומטה-אנליזה של סיבוכי ביופסיית כליות מקומיים. Clin J Am Soc Nephrol 15: 1595–1602, 2020 https://doi.org/10.2215/CJN.04710420

7. Abdeltawab H, Shehata M, Shalaby A, Khalifa F, Mahmoud A, El-Ghar MA, Dwyer AC, Ghazal M, Hajjdiab H, Keynton R, El-Baz A: מערכת CAD חדשנית מבוססת CNN להערכה מוקדמת של תפקוד לקוי של הכליות המושתלות. Sci Rep 9: 5948, 2019 https://doi.org/10.1038/s41598-019-42431-3

8. Wang Z, Yang H, Suo C, Wei J, Tan R, Gu M: יישום של אלסטוגרפיה אולטרסאונד לחוסר תפקוד כרוני של אלוגרפט בהשתלת כליה. J Ultrasound Med 36: 1759–1769, 2017 https://doi.org/10.1002/jum.14221

9. Preuss S, Rother C, Renders L, Wagenpfeil S, B€ utter-Herold M, Slotta-Huspenina J, Holtzmann C, Kuechle C, Heemann U, Stock KF: Sonography of the renal allograft: Correlation between Doppler Resistance Sonographic Index (RI) והיסטופתולוגיה. Clin Hemorheol Microcirc 70: 413–422, 2018 https://doi.org/10.3233/CH-189306

10. Kuo CC, Chang CM, Liu KT, Lin WK, Chiang HY, Chung CW, Ho MR, Sun PR, Yang RL, Chen KT: אוטומציה של חיזוי וסיווג תפקודי כליות באמצעות הדמיית כליות מבוססת אולטרסאונד תוך שימוש בלמידה עמוקה. Digit Med 2: 1–9, 2019