人工智能模型可以预测克罗恩病术后是否复发
![Sixty-eight patients with Crohn disease were classified according to the presence or absence of postoperative recurrence within two years. The investigators performed histological analysis of surgical specimens using deep learning EfficientNet-b5, a commercially available AI model designed to perform image classification. They achieved a highly accurate prediction of postoperative recurrence (AUC=0.995) and discovered morphological differences of adipose cells between the two groups. Credit: <i>The American Journal of Pathology</i> 人工智能模型可以预测克罗恩病术后是否复发](https://scx1.b-cdn.net/csz/news/800a/2022/artificial-intelligenc-32.jpg)
利用人工智能(AI)工具,模拟人类如何可视化,并训练识别和分类图像,研究人员构建了一个模型,通过评估组织学图像,高精度预测克罗恩病术后复发。AI工具还揭示了之前未被发现的脂肪细胞差异和浆膜下或肠外壁肥大细胞浸润程度的显著差异,比较了疾病复发和未复发的患者。研究结果发表在美国病理学杂志.
克罗恩病是一种慢性炎症性胃肠道疾病,术后10年症状复发率估计为40%。虽然有评价克罗恩病活动性和术后复发的评分系统,但尚未开发出预测克罗恩病是否可能复发的评分系统。
“大部分的组织病理学分析图片过去使用人工智能的目标恶性肿瘤日本大阪大学医学院病理学系的首席研究员Takahiro Matsui博士和Eiichi Morii博士解释道。“我们的目标是通过使用人工智能分析组织病理学图像,获得更多种类疾病的临床有用信息。我们专注于克罗恩病,这种病的术后复发是一个临床问题。”
该研究纳入了68名在2007年1月至2018年7月期间接受肠切除术的克罗恩病患者。根据术后两年内是否有术后疾病复发,将患者分为两组。每组被分为两个子组,一个用于训练AI模型,另一个用于验证。为了进行训练,手术标本的整个幻灯片图像被裁剪成平铺图像,标记是否存在术后复发,然后由efficiency entnet -b5进行处理,这是一种商业化的人工智能模型,旨在执行图像分类。当模型与未标记的图像进行测试时,结果表明深度学习模型根据有无疾病发生对未标记图像进行准确分类。
接下来,生成预测热图,以识别机器学习模型可以高精度预测复发的区域和组织特征。这些图像包括肠壁的所有层。热图显示机器学习模型在浆膜下产生了正确的预测脂肪组织层。然而,在其他区域,如粘膜和适当的肌肉层模型不太准确。从非复发组和复发组的测试数据集中提取预测最准确的图像。在这些图像中,最好的预测结果都含有脂肪组织。
因为机器学习模型通过浆膜下组织图像的准确预测,研究者假设浆膜下脂肪细胞形态在复发组和非复发组之间是不同的。与非复发组相比,复发组脂肪细胞体积明显变小,扁平度更高,中心到中心距离值更小。
“这些特征被定义为‘脂肪细胞收缩’,是与克罗恩病复发相关的重要组织学特征,”Matsui博士和Morii博士说。
研究人员还假设,两组之间脂肪细胞形态的差异与组织中某种程度或类型的炎症状态有关。他们发现复发组浸润浆膜下脂肪组织的肥大细胞数量明显增加,提示这些细胞与克罗恩病的复发和“脂肪细胞收缩”现象有关。
据研究者所知,这些发现首次将克罗恩病术后复发与浆膜下组织学联系起来脂肪细胞肥大细胞浸润。Matsui博士和Morii博士观察到:“我们的发现使克罗恩病患者术后预后分层成为可能。许多药物,包括生物制剂,被用来预防克罗恩病疾病复发适当的分层可以使高风险患者得到更密集和成功的治疗。”
进一步探索