Una nueva herramienta de inteligencia artificial predice la extensión del daño crónico en el riñón



La enfermedad renal crónica (ERC) es causada por diabetes e hipertensión. En 2017, la prevalencia global de ERC fue del 9.1 por ciento, que es aproximadamente 700 millones de casos. El daño renal crónico se evalúa puntuando la cantidad de fibrosis intersticial y atrofia tubular (IFTA) en una muestra de biopsia renal. Aunque las técnicas de digitalización de imágenes y morfométricas (que miden formas y dimensiones externas) pueden cuantificar mejor la extensión del daño histológico, se necesita una forma más ampliamente aplicable de estratificar la gravedad de la enfermedad renal.

Ahora, investigadores de la Facultad de Medicina de la Universidad de Boston (BUSM) han desarrollado una nueva herramienta de Inteligencia Artificial (IA) para predecir el grado de IFTA, un correlato estructural conocido de enfermedad renal progresiva y crónica.

Tener un modelo de computadora que pueda imitar el flujo de trabajo de un patólogo experto y evaluar el grado de la enfermedad es una idea emocionante porque esta tecnología tiene el potencial de aumentar la eficiencia en las prácticas clínicas “.

Vijaya B. Kolachalama, PhD, Autor del estudio C y profesor asistente de Medicina, Facultad de Medicina de la Universidad de Boston

El flujo de trabajo típico del patólogo en el microscopio implica operaciones manuales como la panorámica y el acercamiento y alejamiento de regiones específicas en el portaobjetos para evaluar varios aspectos de la patología. En la evaluación de “alejamiento”, los patólogos revisan toda la diapositiva y realizan una evaluación “global” del núcleo del riñón. En la evaluación ‘zoom in’, realizan una evaluación microscópica en profundidad de la patología ‘local’ en las regiones de interés.

Un equipo internacional de cinco nefropatólogos en ejercicio determinó de forma independiente los puntajes IFTA en el mismo conjunto de biopsias de riñón humano digitalizadas utilizando un software basado en la web (PixelView, deepPath Inc.). Sus puntajes promedio se tomaron como una estimación de referencia para construir el modelo de aprendizaje profundo.

Para emular el enfoque del nefropatólogo para clasificar los portaobjetos de biopsia bajo un microscopio, los investigadores utilizaron IA para incorporar patrones y características de subregiones (o parches) de la imagen de biopsia renal digitalizada, así como la imagen digitalizada completa (global) para cuantificar la alcance de IFTA. A través de esta combinación de datos a nivel de parche y a nivel global, se diseñó un modelo de aprendizaje profundo para predecir con precisión el grado IFTA.

Cuando se valida, Kolachalama cree que los modelos de IA que pueden puntuar automáticamente la extensión del daño crónico en el riñón pueden servir como herramientas de segunda opinión en las prácticas clínicas. “Con el tiempo, puede ser posible utilizar este algoritmo para estudiar otras patologías específicas de órganos centradas en la evaluación de la fibrosis. Dichos métodos pueden tener el potencial de dar lecturas de IFTA más reproducibles que las lecturas de los nefropatólogos”, agrega.

Estos hallazgos aparecen en línea en el Revista estadounidense de patología.

Fuente:

Referencia de la revista:

Zheng, Y., et al. (2021) Cuantificación de la fibrosis intersticial impulsada por el aprendizaje profundo en biopsias renales digitalizadas. Revista estadounidense de patología. doi.org/10.1016/j.ajpath.2021.05.005.

.



Source link