Utvikling og validering av en dyp læringsmodell for å kvantifisere glomerulosklerose i nyrebiopsiprøver

Ta kontakt med:joanna.jia@wecistanche.com/ WhatsApp: 008618081934791

IntroduksjonMer enn 100 000 pasienter venter for øyeblikket på ennyretransplantasjon.1 Til tross for det økende behovet, blir mellom 17 prosent og 20 prosent av nyrene som utvinnes for transplantasjon kassert.2-4 Med organmangel og økende etterspørsel etternyretransplantasjoner, er det et presserende behov for å redusere unødvendig kassering av organer.3

Biopsiresultatet er rapportert som den viktigste faktoren i beslutningen om å bruke eller kassere en donors nyre.5 Tallrike undersøkelser har knyttet til kronisk skade hos donornyrebiopsiprøvermed transplantasjonsresultater.6-12 Et nivå på 20 prosentglobal glomerulosklerosebrukes ofte som et punkt i beslutningen om å transplantere og er en viktig faktor som ligger til grunn for hvorfor biopsiresultatet er den vanligste årsaken til at et organ blir avvist for transplantasjon i USA.4

Nyere studier indikerer at akseptable nyrer blir forkastet på grunn av variabel og inkonsekvent tolkning av donorbiopsiprøver.3,13,14 Selv en tilsynelatende enkel beregning som prosentandelenglobal glomeruloskleroseer gjenstand for betydelige menneskelige variasjoner.15-17 Frysing av artefakter, mangel på subspesialitetsekspertise, utilstrekkelig prøvetaking og den tidssensitive naturen til disse evalueringene bidrar til menneskelige feil.

Nylig har dyp læring (DL) vist potensialet til å forbedre reproduserbarhet og nøyaktighet i histopatologisk undersøkelse.18-26 Tidligere studier fra andre laboratorier har brukt DL-tilnærminger for automatisert påvisning av ikke-sklerotiske og globalt sklerotiske glomeruli.27-31Men , disse teknikkene er avhengige av spesielle flekker, for eksempel periodic acid–Schiff eller Masson trichrome flekker, som er upraktiske i den tidsfølsomme innstillingen av frosne seksjoner. Tidligere arbeid fra medlemmer av gruppen vår beskriver de eneste rapporterte resultatene, så vidt vi vet, og viser høy ytelse for automatisert kvantifisering av prosentglobal glomeruloskleroseved å bruke hele lysbildebilder (WSI) av hematoxylin-eosin-fargede frosne seksjoner.

cistanche god bodybuilding: for nyre styrke

Vi antar at en DL-tilnærming til undersøkelse av donornyrebiopsiprøvervil overgå menneskelige patologer i å vurdere prosentglobal glomeruloskleroseog at ytterligere forbedring vil bli muliggjort ved å undersøke flere seksjonsnivåer. Denne økte vevsprøvetakingen er antatt å redusere sannsynligheten for unødvendig kassering av organer og vil ta opp spørsmålet om hvorvidt DL-teknikker er assosiert med å gjøre en vesentlig økning i den tilgjengelige donororganpoolen.

Nøkkelord:Glomerulosklerose,nyre, Nyrebiopsiprøver, nyretransplantasjon, global glomerulosklerose

MetoderDenne studien fulgte den transparente rapporteringen av en multivariabel prediksjonsmodell for individuell prognose eller diagnose (TRIPOD) rapporteringsretningslinjer for diagnostiske og prognostiske studier. Denne studien ble gjennomgått og godkjent av Washington Universitys institusjonelle vurderingskomité, som også frafalt behovet for å innhente informert pasientsamtykke fordi denne studien bare brukte ikke-identifiserbare bioprøver fra et eksisterende datasett.

DatainnsamlingWSI-ene ble hentet fra avdøde donorbiopsiprøver - 98 hematoxylin-eosin-fargede frosne seksjoner og 51 permanente seksjoner - hentet fra totalt 83nyrerved å bruke både kile- og nåleprøver. Biopsiprøver med frosset snitt og biopsiprøver med permanent snitt ble tatt fra forskjellige nyrer. Av 83 prøver hadde 62 minst 2 snittnivåer. Biopsiprøvebilder fra Washington University-databasen stammer fra Gift of Life Michigan (hentet mellom august 2015 og november 2016 ved hjelp av en Sakura-skanner; forstørrelse, ×20) og Washington University (hentet mellom juni 2015 og juni 2017 via Mid-America Transplant ved hjelp av en Aperio Scanscope CS-skanner; forstørrelse, ×20). Enhver avdød organdonor som presenterte seg mellom disse datoene og gjennomgikk ennyrebiopsifor digital intraoperativ patologisk undersøkelse var kvalifisert for denne studien. De demografiske egenskapene og de kliniske egenskapene til givere var ukjente for etterforskerne. Alle skanninger ble konvertert fra SVS til TIFF-format med full oppløsning (0,5 μm/piksel). Bildestørrelsene varierte fra 105 megapiksler til 1448 megapiksler.

DataanmerkningLysbilder ble først kommentert for ikke-sklerotiske og sklerotiske glomeruli av en styresertifisert ekspertnyrepatolog (PW eller JPG), revidert av en andre styresertifisert patolog (TCL) med erfaring med å tolke donornyrebiopsiprøver, og etterfulgt av en endelig revisjon av en annen styresertifisert ekspertnyrepatolog (PCW eller JPG). De endelige reviderte merknadene fungerte som grunnsannhet (dvs. gullstandarden) for modelltrening og evaluering. Typisk variasjon i glomeruli-tall med hver revisjon er illustrert i eFigur 1 i tillegget. En intern plug-in skrevet for Fiji32 ble brukt til manuelt å skissere og klassifisere glomeruli på hver WSI for å generere pikselvise etikettmasker av glomerulus-regioner med samme oppløsning som den overordnede WSI. Glomeruli ble klassifisert som enten globalt sklerotisk (definert som sklerose som involverer hele den glomerulære tuften, inkludert foreldet, størknet og forsvinnendeglobal glomerulosklerose)eller ikke-lobalt sklerotisk. Alle andre områder ble gruppert sammen og merket tubulointerstitium. Totalt 1544 globalt skleroserte og 6914 ikke-lobalt skleroserte glomeruli ble merket i 149 separate bilder. Biopsiprøvene viste et bredt spekter av prosentglobal glomerulosklerose(0 prosent -77 prosent ). Gjennomsnittlig (SD) antall glomeruli per objektglass var 57 (31).

DL modellarkitekturDL-modellen som ble brukt i denne studien var et fullstendig konvolusjonelt nevralt nettverk basert på VGG16-arkitekturen33 beskrevet i tidligere arbeid, som inkluderte et medlem av vår gruppe.34 Kort fortalt ble data lagt inn til det forhåndstrente VGG16-baserte nettverket med vekter frosset nedenfor flaskehalsen (dvs. umiddelbart før de tett sammenkoblede klassifiseringslagene). VGG16 tett sammenkoblede klassifiseringslag ble erstattet med 5 fullt konvolusjonslag med trenbare vekter. Bruken av en fullstendig konvolusjonsarkitektur gjennom hele nettverket muliggjorde en "bilde til bilde"-transformasjon, i stedet for en "bilde til etikett"-transformasjon, for hver inngangsbildeoppdatering, hvor sistnevnte er en tilnærming som er mindre nøyaktig og mye mer beregningsmessig dyrt.34 Den fullt konvolusjonelle modellen genererte nedsamplede pikselkart registrert til inngangsbildelappen, noe som ga sannsynligheten for at hver utgangspiksel var tubulointerstitium, ikke-globalt sklerosert glomerulus eller globalt sklerosert glomerulus.

TreningsparametereBildene ble delt i terninger på 2048 × 2048-piksler (1024 × 1024 μm) delvis overlappende bildelapper (skritt, 1664 piksler eller 838 μm) for treningsinngang. Lapper ble valgt for trening ved tilfeldig prøvetaking fra hele utvalget av bildelapper (omtrent 6500 lapper i hvert kryssvalideringstreningssett, lengden på en enkelt epoke). Inndatalapper ble tilfeldig snudd eller rotert (med 0 grader , 90 grader , 180 grader eller 270 grader ), noe som ga en 8-foldig økning av treningsdata for totalt ca. 52 000 mulige treningslapper i prøvetakingsbasseng. Treningen ble utført ved å bruke TensorFlow ved å minimere kategorisk kryssentropitap, vektet klassevis ved å bruke et forhold for skleroserte til ikke-skleroserte til tubulointerstitielle kategorier på 10:5:1 for å kompensere for klasseubalansen. Stokastisk gradientnedstigningsoptimalisering ble brukt med en syklisk læringshastighet mellom 1e−4 og 1e−2 og en batchstørrelse på 4 for 15 epoker.

KryssvalideringModellen ble trent og testet i 10-fold kryssvalidering, der 10 prosent av WSI-ene ble holdt tilbake fra trening i hver fold, og den resulterende modellen (trent på de resterende 90 prosent av dataene) ble brukt til å generere spådommer på de tilbakeholdte WSI-ene. Bilder fra forskjellige nivåer av sammenyreble alltid holdt ut sammen. Ingen informasjon fra et testsett av en kryssvalideringsfold ble brukt for å informere treningen av den tilsvarende folden. Forutsigelser for tilbakeholdte lysbilder ble generert lappvis i henhold til bildedelingsskjemaet beskrevet ovenfor (dvs. 2048 × 2048–piksler med 1664- piksel-skritt), og resultatene ble satt sammen på nytt for å produsere utgangssannsynlighetskart for hele WSI-er.

EtterbehandlingEn standard laplacian av gaussisk blob-deteksjonsalgoritme, godt egnet til å identifisere sirkulære områder med høy bildeintensitet i flere skalaer,35 ble brukt til å lokalisere individuelle glomeruli fra sannsynlighetskartene. Prosentglobal glomeruloskleroseble beregnet med formelen 100 × S/N, der S er antall globalt skleroserte glomeruli og N er det totale antallet glomeruli.

Statistisk analysePikselvis samsvar mellom annoterings- og prediksjonssannsynlighetskart ble kvantifisert via terningskoeffisienten og skjæringspunktet over unionsmetrikk, beregnet samlet for alle piksler i hver utdataetikett. Glomeruli-tellinger ble oppnådd etter klumpdeteksjonsbehandling på skleroserte og ikke-skleroserte sannsynlighetskartkanaler. Prosentglobal glomeruloskleroseble beregnet fra disse tellingene for individuelle bilder og for individuellenyrer, ved å samle tellinger for alle nivåer (vanligvis 2) knyttet til hvertnyre.Glomeruli-tellinger ble sammenlignet med annotasjonsgrunnsannhet, med nøyaktighet vurdert av Pearson-korrelasjonskoeffisient r og root-mean-square error (RMSE). Tilsvarende mengder for prosentglobal glomeruloskleroseble beregnet for vaktpatologers estimater, og disse verdiene ble sammenlignet med modellens ytelse.

Kategorisering avnyrersom "akseptabel" for transplantasjon eller "avvist" ble bestemt til 20 prosentglobal glomerulosklerose, et ofte brukt skjæringspunkt i gjeldende klinisk praksis basert på historiske data. En F1-poengsum ble beregnet som en funksjon av å skjelne riktig om en prøve var over eller under 20 prosent kuttpunkt med hensyn til grunnsannhetskommentarer. Cohen κ-koeffisient (en indikator på samsvar mellom vurderere) ble også beregnet for diskriminering av modellens og tilkallende patologer ved 20 prosent kuttpunkt, sammenlignet med grunnsannhetsannotering og med hverandre.

Fordi definisjonen avglobal glomeruloskleroseer naturlig uttrykt som gjennomsnittet av en betafordeling gitt av parameterne S (antall globalt skleroserte glomeruli) og (N − S) (antall ikke-lobalt skleroserte glomeruli), ble det brukt til å beregne 95 prosent prediksjonsintervaller som fungerer som en indikator på utgangspresisjon. En 2-sidig P < .05="" ble="" ansett="" som="" statistisk="" signifikant.="" alle="" statistiske="" analyser="" ble="" utført="" fra="" mars="" 2018="" til="" august="" 2020="" med="" python-pakkene="" scikit-learn,="" versjon="" 0.22.1,="" og="" scipy.stats,="" versjon="">

Resultater

UtgangsvisualiseringForutsagte bildeutganger for WSI-er med frosset seksjon og permanent seksjon viste kvalitativ samsvar med målmerkarkart (figur 1). Aggregerte terningskoeffisienter var 0.784 for ikke-lobalt skleroserte glomeruli og 0.600 for globalt skleroserte glomeruli; aggregert skjæringspunkt over unionsverdier for de samme gruppene var 0,645 for ikke-lobalt skleroserte glomeruli og 0,429 for globalt skleroserte glomeruli. Spesielt viste selv frosne seksjoner med betydelige gjenstander kvalitativ visuell samsvar mellom annotasjonsgrunnsannhet og spådommer (eksempel vist i figur 1A).

Evaluering av prosent global glomerulosklerose basert på individuelle lysbilderKryssvalidertglomerulosklerosespådommer på individuelle lysbilder viste også korrelasjon med merknader (r {{0}}.916; 95 prosent CI, 0.886-0.939; og RMSE=5.631 ; 95 prosent CI, 4.{{10}}.517; P < .001)="" (figur="" 2a).="" separering="" av="" resultatene="" ved="" hjelp="" av="" lysbildeforberedelsesteknikk="" indikerte="" at="" spådommer="" på="" frosne="" seksjoner="" viste="" lignende="" korrelasjon="" med="" bakkens="" sannhet="" (r="0.918;" 95="" prosent="" ci,="" 0.879-0.944;="" rmse="" {{="" 20}}.20;="" p="">< .001)="" (efigur="" 3a="" i="" tillegget),="" mens="" den="" permanente="" gruppen="" viste="" høyere="" ytelse="" (r="0.940;" 95="" prosent="" ci,="" 0.896-0.965;="" rmse="4.32;" p="">< .001)="" (efigur="" 3d="" i="" tillegget).="" det="" totale="" antallet="" glomeruli="" oppdaget="" av="" modellen="" er="" vist="" i="" figur="" 3a="" og="" b,="" og="" illustrerer="" korrelasjonene="" av="" ikke-lobalt="" skleroserte="" glomeruli="" med="" grunnsannhet="" (r="0.955;" 95="" prosent="" ci,="" 0.938-0.967="" ;="" rmse="8.383;" p="">< .001)="" og="" globalt="" skleroserte="" glomeruli="" med="" grunnsannhet="" (r="0.934;" 95="" prosent="" ci,="" 0.909-0.952;="" rmse="" {{50="" }}.718;="" p=""><.001). gjennomsnittlig="" (sd)="" glomeruli-tellingsforskjeller="" mellom="" annotering="" og="" prediksjon="" var="" 3,1="" (7,8)="" for="" ikke-lobalt="" skleroserte="" glomeruli="" og="" 0,2="" (4,7)="" for="" globalt="" skleroserte="" glomeruli.="" lignende="" positive="" resultater="" for="" forutsagt="" glomeruli-tall="" ble="" observert="" ved="" separering="" av="" objektglass="" ved="" behandling="" (efigur="" 2a,="" b,="" e="" og="" f="" i="">

Evaluering av prosent global glomerulosklerose basert på sammenslåtte lysbilder Pooling-nivåer forbedret modellens glomeruli-telleytelse (Figur 3C og D; eFigur 2C, D, G og H i tillegget) samt glomerulosklerosekorrelasjon med merknader, som vist i figur 2B ( r=0.933; 95 prosent CI, 0.898-0.956; og RMSE=5.094; 95 prosent CI, 3.{{ 13}}.301; P <.001, for="" kombinerte="" frosne="" og="" permanente="" seksjoner),="" forbedrer="" vaktpatologers="" ytelse="" i="" de="" samme="" tilfellene="" (r="0.884;" 95="" prosent="" ci,="" 0.{{21}="" }.923;="" og="" rmse="6.523;" 95="" prosent="" ki,="" 5.191-7.783;="" p=""><.001) (figur="" 2c).="" global="" glomerulosklerosefeil="" målt="" ved="" rmse="" var="" 22="" prosent="" lavere="" for="" modellen="" enn="" for="" tilkallende="" patologer.="" overensstemmelse="" mellom="" modellens="" spådommer="" om="" global="" glomerulosklerose="" for="" individuelle="" og="" sammenslåtte="" nivåer="" er="" vist="" i="" efigur="" 4="" i="" tillegget="" som="" en="" rest="" med="" hensyn="" til="">

behandling av seksuell nyrelidelse

Evaluering av risiko for nyrefeilkarakterisering Sammenslåtte prosent globale glomeruloskleroseresultater for merknader, modellprediksjoner og vaktpatologer ble sortert og plottet i rekkefølge med økende prosent global glomerulosklerose for alle 83 nyrer inkludert i studien, sammen med tilsvarende 95 prosent prediksjonsintervaller og 20 prosent kuttepunktet for donororgantransplantasjon aksept eller avvisning (figur 4B-F). Fordi alle nivåer av seksjonen blir evaluert av vakthavende patologer på tidspunktet for biopsi, anses resultatene deres som samlede evalueringer. Nyrer med prediksjonsintervaller som overlapper 20 prosent kuttpunktlinjen er mer utsatt for feilaktig aksept eller avvisning hvis glomeruli-tall er feil estimert. Sjansen for feilaktig kategorisering av en nyre med mer enn 20 prosent global glomerulosklerose er vist i figur 4A. Ved å bruke individuelle lysbilder var DL-modellens projiserte feilrate 15 prosent lavere enn for tilkallende patologer og nesten identisk med grunnsannhetskommentarer (dvs. det ideelle tilfellet). Med sammenslåtte nivåer falt DL-modellens anslåtte feilrate til 37 prosent lavere enn for de tilkallende patologene. Tilsvarende var DL-modellens anslåtte feilrate for feilaktig organaksept ved bruk av individuelle nivåer 21 prosent lavere enn for tilkallende patologer, og 34 prosent lavere ved bruk av samlede nivåer.

F1-poengsummen og Cohen κ viste lignende resultater. DL-modellens F1-poengsum for individuelle nivåer som harglobal glomeruloskleroseunder 20 prosent var 0.896, og 0,950 for de individuelle nivåene over 20 prosent . Disse beregningene ble forbedret ved sammenslåing av nivåer til 0.926 for de under 2{{20}} prosent, og 0,964 for de over 20 prosent. Dette sammenlignet gunstig med F1-skårene for tilkallende patologer på 0,852 for de under 20 prosent, og 0,929 for de over 20 prosent. Cohen κ for modellspådommene på individuelle nivåer med hensyn til grunnsannhet var 0,847, forbedret til 0,891 for sammenslåtte nivåer. Cohen κ for

Tilkallende patologer med hensyn til sammenslåtte merknader var lavere, med en verdi på 0.781, og var 0.714 sammenlignet med modellens samlede nivåprediksjoner. Overensstemmelse mellom patolog- og modellresultater for resultater på samlenivå er vist i eFigur 5 i tillegget som en rest med hensyn til grunnsannhet, sortert etter grunnsannhetglobal glomeruloskleroseprosent og totalt antall glomeruli. Verdien av flernivåundersøkelse vises ved å evaluere prediksjonsintervallene fra betafordelingen. En illustrasjon av betafordelingen for en hypotetisk biopsiprøve med 15 prosentglobal glomeruloskleroseer vist i figur 5A for bassenger på 1, 2, 3 og 4 nivåer, forutsatt at hvert nivå har 58 observerte glomeruli (middeltallet for denne studien). Høyden på hver kurve ved en gitt verdi på den horisontale aksen kan tolkes som den relative sannsynligheten for å estimere prosentglobal glomeruloskleroseå være den verdien, gitt den sanne fordelingen av skleroserte og normale glomeruli. Arealet under kurven gir dermed et estimat på sannsynligheten for å oppnåglobal glomeruloskleroseestimater innenfor grensene for integrasjon. Fordelingen smalnet med økt sammenslåing. Enda viktigere er det at det normaliserte arealet under kurven utover det nominelle 20 prosent avvisningskuttpunktet sank fra 14 prosent ved bruk av bare ett enkelt nivå til 2 prosent ved sammenslåing av 4 nivåer (Figur 5B), en 7-dobling i sjansen for feilaktig overvurdererglobal glomeruloskleroseog feilaktig kaste det som burde være et brukbart organ. For ytterligere å illustrere fordelene med nivåsammenslåing, teller glomeruli for 1000 tilfeldig utvalgte evalueringer av donorbiopsiprøver (fra samme database som de 83nyrebiopsiprøverbrukt i denne studien) ble brukt til å simulere effekten av nivåsammenslåing for en stor populasjon. De

Vakthavende patologestimater ble brukt som surrogater for jordsannhet glomeruli-tellinger, og datasamling ble simulert ved å multiplisere de rapporterte tellingene per nivå med antall simulerte nivåer i bassenget. Ved å bruke analysen beskrevet ovenfor på dette scenariet, antall feilaktige organkasser for hver 1000nyrerwould decrease from 31 to 13 by increasing the number of levels evaluated from 1 to 4 (Figure 5C). As a demonstration of the potential clinical workflow with the incorporation of DL techniques, the DL model's predicted annotations for 25 cases from the study data set were randomly selected (5 each with 0%-5%, 6%-10%, 11%-15%, 16%-20%, and >20 prosent global glomerulosclerosis) og ble sendt til en patolog, som evaluerte histologibildene med overliggende modellgenererte glomeruli-klassifiseringer. Patologen korrigerte deretter eventuelle tapte eller unøyaktig merket glomeruli på en måte og tidsramme i samsvar med gjeldende klinisk praksis. Den patologendrede evalueringen var bedre korrelert med grunnsannheten (r=0.958) og hadde lavere feil (RMSE=4.352) enn enten den tilkallende patologen (r=0). 613; RMSE=0.898) eller DL-modellen alene (r=0.847; RMSE=7.535) (eFigur 7 i tillegget).

Diskusjon

DL-modellen ga oppmuntrende resultater, både i kvalitative (visuelle) og kvantitative funn, og rekapitulerte resultater beskrevet i tidligere arbeid av medlemmer av vår gruppe på et mindre treningssett.34 Modellen presterte bra ved bruk av enten frosne seksjoner eller permanente seksjoner, og ble bedre på -ring patologenes ytelse. Tiden for modellen til å behandle en individuell WSI var omtrent 5 minutter, godt innenfor de typiske begrensningene for en patologisk intraoperativ konsultasjon.

Forstørrelse av tellefeil ved bruk av et lite utvalg fremhever verdien oppnådd ved å samle resultater fra flere nivåer hentet fra et enkeltnyrebiopsi.Den typiske tykkelsen til en donornyrebiopsiprøven er 1 mm. Patologen undersøker bare en representativ 5-μm-tykk del av dette vevet, og etterlater en betydelig del av uevaluertnyreugransket. Selv om glomeruli samplet i påfølgende seksjoner kanskje ikke er uavhengige, kan klargjøringsprosessen for objektglass føre til betydelig seksjon-til-seksjon-variasjon i global glomerulosklerose, uavhengig av observatørvariabilitet (eFigur 6 i tillegget). Ved å evaluere flere vevssnitt kan effekten av denne variasjonen minimeres og påliteligheten til evalueringen av biopsiprøven økes. Denne fordelen er tydelig observert i denne studien for hver beregning (figurer 2-4), som alle viste forbedring med undersøkelse av ekstra vev.

Gjeldende standard for omsorg krever evaluering av bare 25 glomeruli og 1 til 2 nivåer av seksjon fordi flere evalueringer praktisk talt ikke kan oppnås av menneskelige patologer i den tidssensitive konteksten av organtransplantasjon. Bruken av DL-teknikker for å øke menneskelig kapasitet i denne settingen kan legge til livsnødvendige organer til donorpoolen. En potensiell klinisk arbeidsflyt med inkorporering av DL-teknikker kan være som følger: en prøve kommer til laboratoriet med frosne snitt, hvor et objektglass med frosset snitt klargjøres og skannes. WSI blir deretter lastet opp til et sikkert sted for analyse ved hjelp av DL-modellen. Mens DL-modellen analyserer, kan patologen logge på og gjennomgå prøven for andre relevante funn. DL-modellresultatet vil være tilgjengelig i løpet av 5 til 10 minutter, presentert for patologen som et grafisk overlegg av glomeruli-klassifiseringer på histologibildet, deretter verifisert (og endret om nødvendig) av patologen, og innlemmet i rapporten. Selve rapporten vil ha direkte grensesnitt med den kliniske elektroniske helsejournalen.

BegrensningerDet er noen begrensninger for denne studien. Det var en enkeltsenterstudie. Selv om WSI-ene ble generert ved hjelp av 2 skannere ved 2 institusjoner, ble datasettet med frosset seksjon generert i sin helhet ved 1 institusjon, mens datasettet med permanent seksjon ble generert fra en annen. Selv om et lite foreløpig datasett (n=17) antydet at modellprediksjoner på frosne seksjoner viste rimelig samsvar med tilknyttede permanente seksjoner og at modellen overgikk vakthavende patologer på disse frosne seksjonene (eFigur 8 i tillegget), studien tok ikke direkte opp det separate spørsmålet om hvor tett de frosne seksjonene (så vel som patologenes vurderinger av dem) samsvarte med permanente seksjoner som senere ble anskaffet og behandlet fra samme biopsiprøve.

Datasettet var lite sammenlignet med andre DL-studier. Imidlertid ble nesten 8500 glomeruli undersøkt totalt, et relativt høyt antall. Begrensningen i å evaluere et større antall saker ligger i den tidkrevende prosessen med å serielt kommentere WSI-er. For ytterligere å evaluere robustheten til denne modellen, vil det kreves ytterligere studier der modellen testes ved hjelp av WSI-er generert fra flere laboratorier og skannere.

KonklusjonerDenne prognostiske studien fant bedre ytelse for å kvantifisere prosentglobal glomerulosklerosefra WSIs av frossen og permanent hematoxylin-eosin-farget donortransplantasjonnyrebiopsiprøveretter en DL-modell enn av tilkallingssertifiserte patologer. Ytelsen ble ytterligere forbedret ved å undersøke ytterligere vevsseksjoner, en prosess som ligger utenfor patologenes kapasitet i den tidssensitive naturen til å evaluere donorbiopsiprøver. Resultatene indikerte en redusert sannsynlighet for feilkarakterisering av prosentglobal glomerulosklerosenår du bruker DL-modellen, og reduserer dermed sannsynligheten for upassende donororgankasting eller for bruk av et organ som er suboptimalt. Funnene illustrerer de betydelige gevinstene som kan oppnås ved bruk av DL-metoder i kirurgisk patologi klinisk praksis.