人工智能,有望改善腎病診斷和腎移植評估
自從人工智能(AI)戰(zhàn)勝圍棋冠軍后,各界對于AI深度學(xué)習(xí)在各領(lǐng)域應(yīng)用的期望越來越高。在醫(yī)學(xué)領(lǐng)域,醫(yī)學(xué)與AI的結(jié)合,已經(jīng)開始滲透到臨床與科研的許多環(huán)節(jié)。
近期,兩項新的研究表明,現(xiàn)代機器學(xué)習(xí)(人工智能的一個分支,系統(tǒng)從數(shù)據(jù)中學(xué)習(xí)、識別模式并做出決策)可能會增強傳統(tǒng)的腎臟疾病診斷。臨床上,病理學(xué)家通常根據(jù)對患者腎臟活檢的視覺評估對各種腎臟疾病進行分類;然而,機器學(xué)習(xí)有可能自動化并提高分類的準確性。
在一項研究中,由布法羅大學(xué)雅各布斯醫(yī)學(xué)和生物醫(yī)學(xué)科學(xué)學(xué)院Pinaki Sarder博士和Brandon Ginley領(lǐng)導(dǎo)的一個團隊開發(fā)了一種計算算法,可以在沒有人類干預(yù)的情況下檢測糖尿病腎病的嚴重程度。該算法在顯微層面檢查患者腎活檢的數(shù)字圖像,并提取腎小球的信息。腎小球是腎臟的小血管,負責過濾血液中的廢物,使其排出。而在糖尿病進程中,這些結(jié)構(gòu)會逐漸受損,變得傷痕累累。
每次腎活檢通常包含10到20個單獨的腎小球,該AI算法檢測數(shù)字圖像中每個腎小球子組件的位置,然后對每個子組件進行多次測量。研究人員解釋說,該算法會進行一系列的觀察,查看從活檢組織中測量到的所有特征。就像醫(yī)生在做活檢分析時,會從一個腎小球看到另一個腎小球,并檢查每個腎小球的結(jié)構(gòu)一樣。而且,該算法在檢查腎小球結(jié)構(gòu)時具有長期和短期記憶,因此它可以記住并將所有腎小球的信息納入最終分析。
研究人員使用這種AI算法對54名糖尿病腎病患者的活檢樣本進行了數(shù)字化分類,發(fā)現(xiàn)數(shù)字化分類與3名不同病理學(xué)家的分類結(jié)果基本一致。
在JASN同時發(fā)表的另一篇文章中,荷蘭奈梅亨Radboud大學(xué)醫(yī)學(xué)中心的Jeroen van der Laak博士和Meyke Hermsen領(lǐng)導(dǎo)的一個團隊應(yīng)用機器學(xué)習(xí)檢查腎移植活檢,它不是單純評估腎小球而是評估腎臟的多個組織類別。研究人員開發(fā)了一種名為“卷積神經(jīng)網(wǎng)絡(luò)(CNN)”的機器學(xué)習(xí)模型,發(fā)現(xiàn)它可以應(yīng)用于多中心的組織,用于活檢組織和腎切除樣本,以及健康組織和病變組織的分析。此外,他們用標準的分類方法驗證了CNN的結(jié)果。
van der Laak博士說:“在這項研究中,我們應(yīng)用AI來精確分析腎移植組織,可以獲得與疾病過程特征相符的高準確度和可再生數(shù)據(jù),有助于促進腎臟移植研究,從長遠來看,這也將改善移植患者的診斷,有望提高器官存活率。”
研究人員表示,卷積神經(jīng)網(wǎng)絡(luò)(CNN)的表現(xiàn)超出了他們的預(yù)期,尤其是它能準確區(qū)分近端腎小管和遠端腎小管,這是兩種不同類型的腎小管。“我們又納入了8種組織分類,但CNN對它們的檢測效果并不相同。例如,對于人類觀察者來說,判斷一個小管是否處于萎縮狀態(tài)是很困難的,而CNN也很難做到這一點。我們正在努力使CNN在這方面做得更好。” Hermsen說:“機器學(xué)習(xí)在腎臟領(lǐng)域的應(yīng)用非常有限,主要局限于檢測單個結(jié)構(gòu)。我們認為應(yīng)該從腎臟組織中提取更多的信息,已完全支持移植評估。”
來源:美國腎臟學(xué)會(American Society of Nephrology)
2019-09-16 16:52
好醫(yī)友小編