分类
埃默里大学新闻

人工智能方法在预测心脏移植排斥反应方面比标准临床方法更好

Anant Madabhushi in his research lab

2023 年,美国进行了 4,500 多例心脏移植手术。虽然挽救生命的手术改善了大多数接受者的生活质量和寿命,但器官排斥仍然是一个风险,高达32%的接受者在第一年内发生急性排斥反应。

来自埃默里大学凯斯西储大学宾夕法尼亚大学的一组研究人员开发了人工智能工具来检查心脏活检图像,以改善对排斥反应的预测,有助于确保患者得到最好的移植后治疗。

目前,临床医生依靠心脏活检的组织学分级来诊断急性排斥反应。然而,该方法存在局限性,该方法将国际心肺移植学会 (ISHLT) 的组织学分级分配给对应于无、轻度、中度和重度排斥反应。

“ISHLT的分级标准是定性的,模糊的,缺乏诊断准确性,”埃默里大学助理科学家Sara Arabyarmohammadi博士说。“这些局限性使患者面临接受过度或不充分治疗的相当大的风险,并乞求一种改进的方法来预测患者的临床结果。

Arabyarmohammadi和她的同事创造了一种用于自动、全面分析心脏活检图像的新方法,称为心脏同种异体移植排斥反应评估器(CARE)。CARE使用人工智能工具,提取心脏组织标本图像中与肌肉细胞、免疫细胞和基质纤维的形状、质地和空间结构相关的特征,以预测心脏移植患者的排斥结果。

“最终目标是为病理学家和心脏病专家提供工具,帮助他们对心脏排斥反应患者做出更明智和准确的决定,”Arabyarmohammadi说。“这反过来又有助于对有需要的人使用更积极的治疗方法,从而更有效地预防心脏移植失败。

最近发表在《循环:心力衰竭》杂志上的一项针对 2,900 名患者的研究表明,为预测心脏排斥严重程度而优化的 CARE 模型在评估患者的临床结果方面远远优于为预测 ISHLT 排斥反应等级而优化的替代模型。

“最有趣的是,与病理级相比,人工智能方法不仅能够更好地预测移植排斥反应,而且与不透明的’黑匣子’人工智能模型相比,它使用了一组图像特征,这些图像特征对临床医生来说具有挑战性,”该研究的资深作者Anant Madabhushi说。 博士,埃默里大学医学院佐治亚理工学院工程学院生物医学工程教授,埃默里大学Winship癌症研究所癌症免疫学研究项目的成员,亚特兰大退伍军人管理局医疗中心的研究职业科学家。


新闻旨在传播有益信息,英文版原文来自 https://news.emory.edu/stories/2024/02/hs_ai_cardiac_transplant_13-02-2024/story.html