狼疮性肾炎（LN）是一种慢性炎症性肾病，在系统性红斑狼疮（SLE）患者中经常发生（40-60%）。1多达30%的LN患者出现肾衰竭，之后只能进行透析或肾移植治疗。狼疮研究的一个目标是加快鉴定和评估活检样品中LN的过程，以增加早期检测的可能性，并帮助改善疾病预后。
评估狼疮性肾炎（LN）样品的挑战
LN引起广泛的病变，这表明组织受到损伤。通过在光学显微镜下观察肾脏活检样品，可以看到它们。国际肾脏病学会（ISN）/肾脏病理学会（RPS）分类中概述了肾脏损伤的评估和LN的适当分类。病理学家使用这个分类系统来确定疾病的分期。
例如，图1显示了LN 1级早期患者的肾脏样品，与健康人相比，没有明显的肾小球变化。2
图1. LN 1级肾脏样品活检样品，用Jonas银染色法染色。 。
而在图2中，来自LN 5级晚期患者的样品显示了沿肾小球基底膜的弥漫性孔洞（蓝色箭头）和小的尖状突起（红色箭头）。3
图3.使用深度学习进行病理学评估的MRPS模型工作流程。
在SLIDEVIEW VS200研究级载玻片扫描仪的帮助下，Shen博士和一个研究小组获得了199张高分辨率的WSI，这些WSI取自健康小鼠和LN小鼠的过碘酸希夫(PAS)染色的肾脏组织。研究人员将这些图像分为五个不同的类别，健康小鼠得分为0分，严重LN的小鼠得分为4分。这些图像分成了训练组和验证组。
通过手动方式分别标记肾小球和肾小球细胞，研究人员能够使用TruAI深度学习技术从训练组生成两个神经网络（NNs）：肾小球NN和细胞NN。
然后将神经网络应用于验证组，从每个图像中提取多个肾小球和细胞特征，如图4所示。4
。 图4.将训练好的神经网络应用于有代表性的验证图像。a. 所有肾小球均为青色。b.所有肾细胞核均为紫红色。c.在感兴趣区域（ROI）测量已识别的肾小球和细胞核。肾小球神经网络为计数提供了ROI(测量区域)；细胞神经网络对ROI内的所有细胞核进行计数。
每个特征中的周长、形状因子、最小内径、最小直径和对象数量是指示LN严重程度的独立预测因子。基于上述参数，研究人员开发了一个评分模型，该模型在辅助评估方面表现良好，与研究人员的评分呈正相关。
TruAI深度学习在协助图像分析方面的潜力
这项研究表明，使用深度学习技术可以对病理学样品进行高通量和再现性分析。这对于需要高通量WSI分析的基础研究很有价值。深度学习也可以应用于其他模型和疾病，它有可能显著减少研究人员的工作量，提高分析过程中的定量精度。
致谢：
我们感谢Shen Luping博士撰写了本文的第一个版本，发表在Make it Evident丨TruAI 加速狼疮肾炎病理学诊断（qq.com）上。
参考文献：
- (PDF) Deep Learning-Based Model Significantly Improves Diagnostic Performance for Assessing Renal Histopathology in Lupus Glomerulonephritis (researchgate.net)
- AJKD Atlas of Renal Pathology: Minimal Mesangial and Mesangial Proliferative Lupus Nephritis (ISN/RPS Class I and II) - American Journal of Kidney Diseases
- AJKD Atlas of Renal Pathology: Membranous Lupus Nephritis, ISN/RPS Class V - American Journal of Kidney Diseases
- Supplementary Material for: Deep Learning-Based Model Significantly Improves Diagnostic Performance for Assessing Renal Histopathology in Lupus Glomerulonephritis (figshare.com)
