Endomiyokardiyal Biyopsilerden Kardiyak Allotransplant Reddinin Derin-Öğrenme Özellikli Değerlendirilmesi

Endomiyokardiyal biyopsi (EMB) taraması, kalp transplantasyonundan sonra allotransplant reddini saptamak için bakım standardını temsil eder. 

EMB'lerin manuel olarak yorumlanması, genellikle immünosupresif ilaçlarla uygunsuz tedaviye, gereksiz biyopsi takiplerine ve kötü transplant sonuçlarına yol açan önemli gözlemciler arası ve gözlemciler arası değişkenlikten etkilenir. 

Burada, EMB'lerden elde edilen gigapiksel tam slayt görüntülerinin otomatik olarak değerlendirilmesi için, aynı anda allotransplant reddinin saptanmasını, alt tiplendirilmesini ve derecelendirilmesini ele alan derin öğrenme tabanlı bir yapay zeka (AI) sistemi sunuyoruz. 

Model performansını değerlendirmek için, Amerika Birleşik Devletleri'nden büyük bir veri setinin yanı sıra Türkiye ve İsviçre'den popülasyonlar, örnek hazırlıkları ve slayt tarama enstrümantasyonu arasında büyük ölçekli değişkenlik içeren bağımsız test kohortlarını seçtik. 

Model, 0,962'lik alıcı işletim karakteristik eğrisi (AUC) altındaki bir alanla allotransplant reddini tespit eder;
sırasıyla 0,958 ve 0,874 AUC'leri ile hücresel ve antikor aracılı red tipini değerlendirir;
0,939 AUC ile reddedilmenin iyi huylu taklitleri olan Quilty B lezyonlarını saptar;
ve 0,833'lük bir AUC ile düşük dereceli ve yüksek dereceli reddetmeler arasında ayrım yapar.

Bir insan okuyucu çalışmasında, AI sistemi geleneksel değerlendirmeye göre düşük olmayan bir performans gösterdi ve gözlemciler arası değişkenliği ve değerlendirme süresini azalttı. 

Kardiyak allotransplant reddinin bu sağlam değerlendirmesi, klinik deneylerin AI destekli EMB değerlendirmesinin etkinliğini ve kalp nakli sonuçlarını iyileştirme potansiyelini belirleme yolunu açıyor.

KAYNAK https://www.nature.com/articles/s41591-022-01709-2