IT-помощник в клинической оценке результатов просвечивающей электронной микроскопии нефрона
Цель исследования. Оценить диагностическую ценность IT-помощника с элементами искусственного интеллекта (ИИ) по расчету и переводу световой пиксельной насыщенности (СПН) ультраструктуры основных элементов нефрона в вероятную клиническую активность хронического тубулоинтерстициального нефрита (ХТИН) инфекционного генеза, дополненную трехмерной визуализацией нефрона.Бердичевский Б.А., Василькова Т.Н., Зубик Г.В., Болдырев А.Л., Учаев Д.А.
Материал и методы. На основе объемной выборки более 100 2D-микрофотографий просвечивающей электронной микроскопии (ПЭМ) с увеличением в 10 000 раз нефрона создан IT-помощник с элементами ИИ для расчета и перевода СПН ультраструктур нефрона в вероятную клиническую активность ХТИН.
Результаты. По 2D-микрофотографиям ПЭМ проведена автоматизированная трехмерная реконструкция основных элементов нефрона в едином блоке и по цифровому показателю СПН нефрона проведен программный перевод в вероятную клиническую активность ХТИН. Цифровой показатель СПН элементов нефрона может быть предложен как новый интегративный клинико-лабораторный маркер активности проявлений ХТИН.
Заключение. Показана возможность применения IT-помощника с элементами ИИ для автоматизированной интерпретации и усовершенствованной трехмерной визуализации результатов ПЭМ в диагностике ХТИН. Возможна адаптация цифровой системы под другие формы нефрологических заболеваний и интеграция программы с базами данных морфологических центров и специализированных нефроурологических научно-медицинских учреждений.
Ключевые слова
просвечивающая электронная микроскопия
световая пиксельная насыщенность нефрона
хронический тубулоинтерстициальный нефрит
Список литературы
- Kalantar-Zadeh K., Jafar T.H., Nitsch D. et al. Chronic kidney disease. Lancet. 2021;398(10302):786–802. Doi: 10.1016/S0140-6736(21)00519-5. https://doi.org/10.1016/s0140-6736(21)00519-5.
- Farkash E.A., Wilson A.M., Jentzen J.M. Ultrastructural Evidence for Direct Renal Infection with SARS-CoV-2. J. Am. Soc. Nephrol. 2020;31(8):1683–7. Doi: 10.1681/ASN.2020040432.
- Kawasaki Y., Matsumoto A., Miyaki T. et al. Three-dimensional architecture of pericardial nephrocytes in Drosophila melanogaster revealed by FIB/SEM tomography. Cell Tissue Res. 2019;378(2):283–93. Doi: 10.1007/s00441-019-03037-3.
- Ademola B.L., Atanda A.T., Aji S.A., Abdu A. Clinical, morphologic and histological features of chronic pyelonephritis: An 8-year review. Niger. Postgrad. Med. J. 2020;27(1):37–41.
- Ichimura K., Miyaki T., Kawasaki Y. et al. Morphological processes of foot process effacement in puromycin aminonucleoside nephrosis revealed by FIB/SEM tomography. J. Am. Soc. Nephrol. 2019;30(1):96–108. Doi: 10.1681/ASN.2018020154.
- Odriozola A., Llodrá J., Radecke J. et al. High contrast staining for serial block face scanning electron microscopy without uranyl acetate. bioRxiv. 2017. Doi: 10.1101/207472.
- Howell D.N., Herrera G.A. Electron microscopy in renal pathology: overall applications and guidelines for tissue, collection, preparation, and stains. Ultrastruct. Pathol. 2021;45(1):1–18. Doi: 10.1080/01913123.2020.1854407.
- Huo Y., Deng R., Liu Q. et al. AI applications in renal pathology. Kidney Int. 2021;99(6):1309–20. Doi: 10.1016/j.kint.2021.01.015. https://doi.org/10.1016/j.kint.2021.01.015.
- Feng C., Liu F. Artificial intelligence in renal pathology. Current status and future. Biomol. Biomed. 2023;23(2):225–34. Doi: 10.17305/bjbms.2022.8318.
- Barisoni L.., Gimpel C., Kain R. et al. Digital pathology imaging as a novel platform for standardization and globalization of quantitative nephropathology. Clin. Kidney J. 2017;10(2):176–87. Doi: 10.1093/ckj/sfw129. https://doi.org/10.1093/ckj/sfw129.
- Barisoni L., Lafata K.J., Hewitt S.M. et al. Digital pathology and computational image analysis in nephropathology. Nat. Rev. Nephrol. 2020;16(11):669–85. Doi: 10.1038/s41581-020-0321-6. https://doi.org/10.1038/s41581-020-0321-6.
- Zee J. et al. Reproducibility and feasibility of strategies for morphologic assessment of renal biopsies using the nephrotic syndrome study network digital pathology scoring system. Arch. Pathol. Lab. Med. 2018;142:613–25. Doi: 10.5858/arpa.2017-0181-OA.
- Abu Haeyeh Y., Ghazal M., El-Baz A., Talaat I.M. Development and Evaluation of a Novel Deep-Learning-Based Framework for the Classification of Renal Histopathology Images. Bioengineering (Basel). 2022;9(9):423. Doi: 10.3390/bioengineering9090423.
- Chaudhuri S., Long A., Zhang H. et al. Artificial intelligence enabled applications in kidney disease. Semin. Dial. 2021;34(1):5–16. Doi: 10.1111/sdi.12915.
- Saez-Rodriguez J., Rinschen M.M., Floege J. et al. Big science and big data in nephrology. Kidney Int. 2019;95:1326–37.
- Tran B., Vu G., Ha G. et al. Global evolution of research in artificial intelligence in health and medicine: a bibliometric study. J. Clin. Med. 2019;8:360.
Об авторах / Для корреспонденции
Бердичевский Борис Аркадьевич – д.м.н., профессор кафедры детской хирургии с курсом урологии и андрологии ФГБОУ ВО «Тюменский государственныймедицинский университет» Минздрава РФ. Адрес: 625023, г. Тюмень, ул. Одесская, д. 54; e-mail: doktor_bba@mail.ru. ORCID: 0000-0002-9414-8510
Василькова Татьяна Николаевна – д.м.н., профессор, главный внештатный специалист по терапии УрФО, заведующая кафедрой факультетской терапии ФГБОУ ВО «Тюменский государственный медицинский университет» Минздрава РФ. Адрес: 625023, г. Тюмень, ул. Одесская. д. 54; e-mail: vasilkova@tyumsmu.ru.
ORCID: 0000-0003-4753-6630
Зубик Григорий Васильевич – стажер-исследователь института клинической медицины ФГБОУ ВО «Тюменский государственный медицинский университет»
Минздрава РФ. Адрес: 625023, г. Тюмень ,ул. Одесская, д. 54; e-mail: grisha.zubik@mail.ru. ORCID: 0009-0005-1333-2922
Болдырев Алексей Леонидович – врач-уролог высшей категории, заведующий операционным отделением Областной клинической больницы № 2.
Адрес: 625039, г. Тюмень, ул. Мельникайте, 75; е-mail:boldyrev.a.l@yandex.ru.
Учаев Даниил Анатольевич – ведущий научный сотрудник отдела электронной микроскопии и рентгеновских методов анализа научно-образовательного центра «Нанотехнологии» ФГАОУ ВО «ЮУрГУ Национальный исследовательский университет». Адрес: 454080, г. Челябинск, проспект Ленина, 76;
e-mail: uchaevda@susu.ru. ORCID: 0000-0002-8623-4769
Также по теме
