We use cookies to understand how you use our site and to improve your experience. This includes personalizing content and advertising. To learn more, click here. By continuing to use our site, you accept our use of cookies. Cookie Policy.

Features Partner Sites Information LinkXpress
Sign In
Advertise with Us
Abbott Diagnostics

Download Mobile App




Система анализа изображений оценивает активность НС-заболеваний

By Labmedica International staff writers
Posted on 05 Jun 2018
Print article
Гистопатологическая микрофотография биопсии печени со стеатогепатитом, демонстрирующим дегенерацию гепатоцитов с раздуванием – форму апоптоза (фото любезно предоставлено Nephron).
Гистопатологическая микрофотография биопсии печени со стеатогепатитом, демонстрирующим дегенерацию гепатоцитов с раздуванием – форму апоптоза (фото любезно предоставлено Nephron).
Неалкогольный стеатогепатит (НС) представляет собой прогрессирующую форму неалкогольной жировой болезни печени (НЖБП), при которой избыточный жир накапливается в печени людей, в анамнезе которых нет истории злоупотребления алкоголем.

НЖБП рассматривают как печеночное проявление метаболического синдрома, а число людей с НЖБП/НС быстро растет во всем мире, параллельно с увеличением распространенности ожирения. В настоящее время разрабатываются клинические алгоритмы, основанные на результатах анализа крови, для выявления пациентов с прогрессирующим НС, но биопсия печени всё же остается необходимой для установления как диагноза НС, так и тяжести заболевания.

В ходе исследования мышиную модель, которая находилась на определяемой L-аминокислотой диете с дефицитом холина, дополненной холестерином, использовали для оценки гепатоцеллюлярного вздутия (hepatocellular ballooning) и лобулярного воспаления в образцах биопсии печени. Эксперт-гистопатолог определил число баллов вздутия и воспаления для всех животных, включенных в исследование, при этом были разработаны модели глубокого обучения для обнаружения и анализа этих гистологических признаков. Первоначальный тренировочный набор из 31 единицы был использован для калибровки вздутия и воспаления для последующего прогнозирования этих гистологических признаков в четырех независимых когортах (n = 271).

Исследование показало, что алгоритмы глубокого обучения, применяемые с использованием программного обеспечения с открытым исходным кодом QuPath1 (GENFIT, Лос, Франция), могут точно идентифицировать образцы гистологии клеток, соответствующие лобулярному воспалению и гепатоцеллюлярному вздутию - маркерам активности болезни, которые необходимы для установления диагноза и тяжести НС. Система глубокого обучения смогла предсказать клеточные гистологические модели, связанные со вздутием и воспалением, с точностью 98 и 91% соответственно. Была достигнута отличная согласованность между оценкой эксперта и полностью автоматизированной системой оценки вздутия на клеточном уровне для каждой из когорт. Также наблюдалась прекрасная корреляция с образцами цельной ткани и между автоматической оценкой воспаления в целом по учебной когорте.

Джон Брозек (John Brozek), главный сотрудник по данным и информации GENFIT, говорит: “Системы оценки, основанные на глубоком обучении, позволяют проводить исчерпывающий и воспроизводимый анализ всех клеток в образце биопсии, а также они могут анализировать конкретные области клеток, которые трудно интерпретировать вручную, даже если вы эксперт”. Автоматизированная система оценки вздутия и воспаления показала высокую корреляцию с экспертной оценкой и готова к использованию для высокоэффективной оценки активности в доклинических исследованиях или, как планируется в ближайшем будущем, в качестве вспомогательного диагностического инструмента для клинического применения”. Исследование было представлено на международном конгрессе The International Liver Congress 11-15 апреля 2018 года в Париже, Франция.

Ссылки по теме:
GENFIT


Print article

Channels

Copyright © 2000-2019 Globetech Media. All rights reserved.