Aviso: Esta página é uma tradução automática da página original em inglês. Por favor note uma vez que as traduções são geradas por máquinas, não tradução tudo será perfeita. Este site e suas páginas da Web destinam-se a ler em inglês. Qualquer tradução deste site e suas páginas da Web pode ser imprecisas e imprecisos no todo ou em parte. Esta tradução é fornecida como uma conveniência.

A ferramenta nova do AI prevê a extensão de dano crônico no rim

A doença renal crônica (CKD) é causada pelo diabetes e pela hipertensão. Em 2017, a predominância global do CKD era 9,1 por cento, que é aproximadamente 700 milhão casos. Dano crônico do rim é avaliado marcando a quantidade de fibrose intersticial e de atrofia tubular (IFTA) em uma amostra renal da biópsia. Embora a numeração da imagem e (formas e dimensões externos de medição) as técnicas morphometric possam melhor determinar a extensão de dano histologic, mais extensamente uma maneira aplicável de estratificar a severidade da doença renal é necessário.

Agora, os pesquisadores da Faculdade de Medicina da universidade de Boston (BUSM) desenvolveram uma ferramenta nova da inteligência (AI) artificial para prever a categoria de IFTA, uma correlação estrutural conhecida da doença renal progressiva e crônica.

Ter um modelo de computador que possa imitar os trabalhos de um patologista perito e avaliar a categoria da doença é uma ideia emocionante porque esta tecnologia tem o potencial aumentar a eficiência em práticas clínicas.”

Vijaya B. Kolachalama, PhD, autor de Ccorresponding do estudo e professor adjunto da medicina, Faculdade de Medicina da universidade de Boston

Os trabalhos típicos pelo patologista no microscópio envolvem operações manuais tais como a filtração assim como zumbem dentro e fora das regiões específicas na corrediça para avaliar vários aspectos da patologia. Do “zoom na avaliação para fora”, os patologistas revêem a corrediça inteira e executam a avaliação “global” do núcleo do rim. No “zumbe dentro” a avaliação, eles executa a avaliação detalhada, microscópica da patologia “local” nas regiões de interesse.

Uma equipe internacional de cinco nephropathologists praticando determinou independente contagens de IFTA no mesmo grupo de biópsias humanas digitadas do rim usando um software com suporte na internet (PixelView, deepPath Inc.). Suas contagens médias foram tomadas como uma avaliação da referência para construir o modelo de aprendizagem profundo.

Para emular a aproximação dos nephropathologist a classificar as corrediças da biópsia sob um microscópio, os pesquisadores usaram o AI para incorporar testes padrões e características das subregiões (ou das correcções de programa) da imagem digitada da biópsia do rim assim como da imagem digitada (global) inteira para determinar a extensão de IFTA. Com esta combinação de correcção de programa-nível e de dados do global-nível, um modelo de aprendizagem profundo foi projectado prever exactamente a categoria de IFTA.

Quando validado, Kolachalama acredita que os modelos do AI que podem automaticamente marcar a extensão de dano crônico no rim pode servir como segundas ferramentas da opinião em práticas clínicas. “Eventualmente, pode ser possível usar este algoritmo para estudar outras patologias órgão-específicas centradas sobre a fibrose de avaliação. Tais métodos podem guardarar o potencial dar umas leituras mais reprodutíveis de IFTA do que leituras por nephropathologists,” adiciona.

Estes resultados aparecem em linha no jornal americano da patologia.

Source:
Journal reference:

Zheng, Y., et al. (2021) Deep learning-driven quantification of interstitial fibrosis in digitized kidney biopsies. The American Journal of Pathology. doi.org/10.1016/j.ajpath.2021.05.005.