近日，知见生命与北京协和医院疑难重症及罕见病国家重点实验室、中国科学院计算技术研究所等多家单位共同完成的肾穿刺免疫荧光病理图像自动阅片技术成果《Development of a multiple convolutional neural network facilitated diagnostic screening program for immunofluorescence images of IgA nephropathy and idiopathic membranous nephropathy》在泌尿学与肾脏学Q1期刊《Clinical Kidney Journal》上发表。
IgA肾病(IgAN)和特发性膜性肾病(IMN)是最常见的肾小球疾病。肾组织免疫荧光(IF)检测对其诊断至关重要。IF检测通过使用荧光标记的抗体，能够准确地检测肾小球组织中是否存在IgA或其他免疫复合物的沉积。这些免疫复合物的沉积是IgAN和IMN的特征性表现，有助于医生确定患者是否罹患这两种疾病，并为进一步的治疗决策提供重要依据。
研究人员开发多卷积神经网络(D-CNN)辅助诊断程序辅助IgAN和IMN的IF诊断。训练和验证数据包括1009名病例的1573张肾小球肾组织免疫荧光(IF)图像。测试数据为多中心的426名病例的1690张图像。
在将诊断程序的结果与肾脏病理专家结果进行比较后，90%以上的测试图像中，肾小球定位模块的Intersection over Union > 0.8，D-CNN对肾小球不规则颗粒系膜沉积和细颗粒基底膜沉积的识别准确率分别为96.1%和93.3%。
IgAN的识别准确率为97.6%，敏感性为94.4%，特异性为96.0%，auc为0.983；IMN的准确性为91.7%，敏感性为88.9%，特异性为95.8%，auc为0.935。外部多中心验证同样表现出稳定的性能：IgAN和IMN的auc分别为0.972和0.948。
研究结果显示，该技术提高了诊断的均质性，避免了因为疲劳或主观差异造成的误判，能有效辅助肾脏病理医生评估及诊断肾穿刺免疫荧光图像。
文章链接：
https://academic.oup.com/ckj/advance-article-abstract/doi/10.1093/ckj/sfad153/7225946?utm_source=advanceaccess&utm_campaign=ckj&utm_medium=email
