We use cookies

Our website uses essential cookies and, with your consent, additional cookies to measure performance and improve our services. Cookie Policy.

You can change your choice at any time.

MMedXYNews
Trang chủVideo
MedXY AI/Tin tức MedXY/Chuyên mục: Rheumatology/Bệnh thấp khớp

Học sâu phân loại điểm tiêu điểm và bệnh Sjögren từ sinh thiết tuyến nước bọt nhỏ

MedXY Editorial Team•1 thg 12, 2025•Rheumatology/Bệnh thấp khớp
Bệnh Sjögrenhọc máy

Những điểm nổi bật

– Mô hình học sâu được huấn luyện trên các slide nhuộm H&E của tuyến nước bọt nhỏ đã đạt hiệu suất mạnh mẽ bên ngoài cho điểm tiêu điểm (AUROC 0,88) và phân loại bệnh Sjögren (AUROC 0,89).

– Hiệu suất mô hình đặc biệt cao ở nhóm bệnh nhân âm tính với kháng thể anti-SSA (Ro) (AUROC 0,92), đây là nhóm lâm sàng khó khăn.

– Học máy giải thích (Shapley values) đã xác định một mô hình mô học—tế bào T CD8+ tụ tập xung quanh tế bào biểu mô tuyến—liên quan đến bệnh Sjögren.

Nền tảng: bối cảnh lâm sàng và nhu cầu chưa đáp ứng

Bệnh Sjögren nguyên phát (SjS) là một bệnh tự miễn dịch đặc trưng bởi sự xâm nhập của bạch huyết vào tuyến nước bọt và tuyến lệ, dẫn đến các triệu chứng khô và các biểu hiện toàn thân. Sinh thiết tuyến nước bọt nhỏ với đo điểm tiêu điểm (số lượng tiêu điểm bạch huyết trên 4 mm²) được tích hợp vào các khung chẩn đoán và phân loại hiện tại và là tiêu chí khách quan chính trong tiêu chuẩn phân loại 2016 của Hiệp hội Phong thấp Hoa Kỳ và Liên minh Phong thấp châu Âu (ACR-EULAR) cho bệnh Sjögren nguyên phát.

Tuy nhiên, đánh giá mô bệnh học chịu ảnh hưởng của sự biến đổi giữa các nhà quan sát: việc đánh giá lại bởi chuyên gia có thể thay đổi điểm tiêu điểm và do đó thay đổi phân loại trong một tỷ lệ đáng kể các trường hợp. Sự biến đổi này làm phức tạp việc chẩn đoán, đăng ký thử nghiệm lâm sàng, và nỗ lực xác định các kiểu phụ mô bệnh học có thể dự đoán tiên lượng hoặc đáp ứng điều trị. Do đó, cần có các phương pháp có thể tái tạo và mở rộng để đọc và diễn giải sinh thiết tuyến nước bọt và khai thác chúng để tìm kiếm các mô hình mới có ý nghĩa sinh học và lâm sàng.

Thiết kế nghiên cứu và phương pháp

Duquesne và cộng sự đã tiến hành một nghiên cứu hồi cứu, đa trung tâm trong khuôn khổ liên minh H2020 NECESSITY của châu Âu để phát triển và kiểm chứng bên ngoài một mô hình phân loại học sâu cho cả điểm tiêu điểm (chia thành ≥1 và <1) và bệnh Sjögren theo tiêu chuẩn ACR-EULAR sử dụng các slide sinh thiết tuyến nước bọt nhỏ nhuộm H&E số hóa.

Các yếu tố thiết kế chính:

  • Dân số: 545 người tham gia từ sáu trung tâm chuyên khoa trên khắp châu Âu (ba trung tâm ở Vương quốc Anh; trung tâm ở Hy Lạp, Bồ Đào Nha và Pháp). Người tham gia bao gồm những người có triệu chứng khô mà không mắc bệnh Sjögren và bệnh nhân đáp ứng tiêu chuẩn phân loại ACR-EULAR 2016 cho bệnh Sjögren.
  • Đề kiểm tra: một mạng nơron cuộn sâu được huấn luyện trên các slide H&E số hóa từ năm trung tâm; kiểm chứng bên ngoài được thực hiện trên các slide từ trung tâm thứ sáu.
  • Các điểm kết thúc chính: diện tích dưới đường cong đặc trưng hoạt động nhận biết (AUROC) cho (a) phân loại điểm tiêu điểm (≥1 vs <1) và (b) phân loại bệnh Sjögren (ACR-EULAR dương tính vs âm tính).
  • Khả năng giải thích: giá trị Shapley được tính toán để nổi bật các vùng ảnh thúc đẩy dự đoán, cho phép xác định các mô hình mô học đóng góp vào quyết định của mô hình.
  • Thời gian: giai đoạn nghiên cứu từ 13/10/2021 đến 5/9/2024.

Kết quả chính

Dân số: tuổi trung bình 54,2 năm (độ lệch chuẩn 13,5); 490/545 (90%) nữ và 55 (10%) nam.

Các chỉ số hiệu suất chính (kiểm chứng bên ngoài):

  • Phân loại điểm tiêu điểm (≥1 versus <1): AUROC 0,88 (KTC 95% 0,82–0,94).
  • Phân loại bệnh Sjögren (tiêu chuẩn ACR-EULAR): AUROC 0,89 (KTC 95% 0,82–0,94).
  • Nhóm phụ âm tính với kháng thể anti-Sjögren’s syndrome–related antigen A (anti-SSA/Ro): AUROC 0,92 (KTC 95% 0,87–1,00).

Khả năng giải thích và khám phá mô học:

Sử dụng gán thuộc tính dựa trên giá trị Shapley, mô hình đã nổi bật các vùng và đặc điểm thúc đẩy dự đoán của nó. Trong số này, các tác giả báo cáo việc xác định một mô hình trước đây chưa được mô tả hoặc ít được chú ý: các cụm dày đặc tế bào T CD8+ tiếp giáp gần tế bào biểu mô tuyến (CD8+ T-cell peri-acinar infiltration). Mô hình này có liên quan đến chẩn đoán bệnh Sjögren trong bộ dữ liệu.

Các kết quả vận hành và nghiên cứu có liên quan thực tế:

  • Mô hình chỉ dựa vào các slide H&E thông thường; không yêu cầu các màu nhuộm nâng cao hoặc đặc biệt cho các nhiệm vụ phân loại chính.
  • Hiệu suất duy trì trong kiểm chứng bên ngoài tại trung tâm, cho thấy khả năng chống chịu hợp lý đối với sự biến đổi giữa các trung tâm về xử lý mô và quét, mặc dù khả năng tổng quát hoàn toàn vẫn cần được chứng minh.

Giải thích và tính hợp lý sinh học

Hiệu suất chẩn đoán được báo cáo cho thấy học sâu có thể cung cấp một công cụ bổ trợ có thể tái tạo và khách quan cho việc đánh giá sinh thiết tuyến nước bọt nhỏ của bác sĩ giải phẫu. AUROC ở mức cao 0,80 cho cả phân loại điểm tiêu điểm và bệnh đều cho thấy tính hữu ích lâm sàng, đặc biệt là như một công cụ hỗ trợ cho các trung tâm có ít chuyên gia giải phẫu hoặc để giảm sự biến đổi giữa các nhà quan sát trong các thử nghiệm lâm sàng đa trung tâm.

Việc xác định mô hình CD8+ peri-acinar là hợp lý về mặt sinh học. Mặc dù bệnh Sjögren trước đây được mô tả là một quá trình giàu tế bào B, do tế bào T trợ giúp CD4+ gây ra với các cụm tiêu điểm đặc trưng, có bằng chứng ngày càng tăng rằng tế bào T gây độc CD8+ và tương tác miễn dịch- biểu mô đóng góp vào rối loạn chức năng tuyến. Chấn thương biểu mô do tế bào T CD8+ có thể là một cơ chế gây bệnh quan trọng dẫn đến teo tế bào tuyến và giảm chức năng tiết. Nếu được xác nhận, kiểu phụ mô học này có thể phân loại bệnh nhân theo cơ chế bệnh sinh và xác định các nhóm có thể đáp ứng với các liệu pháp nhắm mục tiêu vào độc tính tế bào T hoặc các chiến lược bảo tồn biểu mô.

Lợi thế của nghiên cứu

  • Dữ liệu đa trung tâm bao phủ nhiều đơn vị giải phẫu học châu Âu tăng cường khả năng tổng quát so với các nghiên cứu đơn trung tâm.
  • Kiểm chứng bên ngoài sử dụng trung tâm được giữ lại cung cấp ước tính hiệu suất thực tế giữa các địa điểm và giúp ngăn ngừa việc quá khớp với các đặc điểm màu nhuộm/scanner địa phương.
  • Sử dụng học máy giải thích (giá trị Shapley) đi xa hơn mô hình hộp đen để tạo ra các mô hình có thể diễn giải sinh học, cho phép tạo giả thuyết và khám phá mô học.
  • Lợi thế đặc biệt trong nhóm âm tính với kháng thể anti-SSA/Ro giải quyết một khoảng cách lâm sàng quan trọng: bệnh nhân âm tính với kháng thể thường gặp khó khăn trong chẩn đoán và thường bị thiếu đại diện.

Hạn chế và thận trọng

Bất chấp kết quả hứa hẹn, một số hạn chế cần được nhấn mạnh trước khi áp dụng lâm sàng:

  • Thiết kế hồi cứu: sự lựa chọn và phổ trường hợp có thể ảnh hưởng đến ước tính hiệu suất. Cần kiểm chứng triển vọng trong các đội ngũ chẩn đoán không được chọn lọc.
  • Nhãn thực tế: mô hình được huấn luyện dựa trên các nhãn mô học hiện có và phân loại ACR-EULAR; sự biến đổi giữa các nhà quan sát trong các nhãn đó vẫn là nguồn nhiễu tiềm ẩn. Cách mô hình so sánh với bảng đồng thuận hoặc kết quả lâm sàng dài hạn chưa được giải quyết đầy đủ.
  • Sự dị dạng màu nhuộm, quét và tiền xử lý: mặc dù kiểm chứng bên ngoài sử dụng trung tâm khác, việc kiểm chứng rộng rãi hơn trên các phòng thí nghiệm, máy quét và dân số đa dạng hơn (bao gồm các nhóm không phải châu Âu) là cần thiết để xác nhận khả năng chống chịu.
  • Xác minh mô hình CD8+: báo cáo nêu rõ sự liên quan của mô hình CD8+ peri-acinar; việc xác nhận yêu cầu xác minh hệ thống bằng kỹ thuật miễn dịch hóa học (IHC) trong các đội ngũ độc lập và tương quan với các biểu hiện lâm sàng và các bài kiểm tra chức năng để xác định ý nghĩa gây bệnh.
  • Các rào cản quy định, thực tế và tích hợp quy trình làm việc: việc triển khai AI trong giải phẫu học hàng ngày đòi hỏi tích hợp kỹ thuật, kiểm chứng, chấp nhận của bác sĩ giải phẫu và phê duyệt quy định cho sử dụng chẩn đoán.

Sự tác động lâm sàng và nghiên cứu

Nếu được kiểm chứng triển vọng trong các đội ngũ triển vọng, mô hình có thể đảm nhận nhiều vai trò:

  • Chuẩn hóa việc báo cáo điểm tiêu điểm và giảm sự biến đổi giữa các nhà quan sát trong thực hành lâm sàng và các thử nghiệm, từ đó cải thiện sự nhất quán chẩn đoán và đánh giá tư cách tham gia thử nghiệm.
  • Đánh dấu các sinh thiết có mô hình CD8+ peri-acinar để đánh giá mục tiêu thêm (IHC, phân loại phân tử), cho phép phân loại dựa trên mô học cho các tiếp cận y học chính xác.
  • Cung cấp hỗ trợ quyết định bổ trợ trong các trung tâm không có chuyên gia giải phẫu tuyến nước bọt, cải thiện khả năng tiếp cận chẩn đoán chính xác.

Nhiệm vụ nghiên cứu bao gồm kiểm chứng triển vọng, sao chép kết quả CD8+ bằng IHC và phân tích gen không gian, tương quan các kiểu phụ mô học với quá trình lâm sàng và đáp ứng điều trị, và phát triển các mô hình tích hợp kết hợp mô học với huyết thanh học và hình ảnh.

Bình luận của chuyên gia

Từ góc độ chuyển giao, nghiên cứu này minh họa cách AI có thể tự động hóa các nhiệm vụ phân loại thông thường và tạo ra các giả thuyết có ý nghĩa sinh học. AUROC cao trong nhóm âm tính với kháng thể anti-SSA là đặc biệt khích lệ: đây là những bệnh nhân mà sinh thiết thường là yếu tố quyết định. Tuy nhiên, các chuyên gia sẽ có thể thận trọng: các mô hình AI phải được kiểm chứng triển vọng trong các quy trình chẩn đoán thực tế và được ánh xạ với các kết quả lâm sàng trước khi thay thế hoặc thay thế sự phán đoán của con người.

Kết luận

Duquesne et al. chứng minh rằng cách tiếp cận học sâu sử dụng các slide H&E số hóa của tuyến nước bọt nhỏ có thể phân loại điểm tiêu điểm và bệnh Sjögren theo tiêu chuẩn ACR-EULAR với khả năng phân biệt tốt và có thể phát hiện các mô hình mô học—cụ thể là các cụm tế bào T CD8+ xung quanh tế bào biểu mô tuyến (CD8+ T-cell peri-acinar aggregates)—liên quan đến chẩn đoán. Những kết quả này mở ra một hướng hứa hẹn hướng tới việc diễn giải sinh thiết có thể tái tạo hơn và phân loại dựa trên mô học trong bệnh Sjögren, nhưng chúng cần được kiểm chứng triển vọng, xác nhận đa nền tảng và xác nhận sinh học trước khi triển khai lâm sàng hàng ngày.

Quỹ tài trợ và đăng ký thử nghiệm

Quỹ tài trợ: Hiệp hội Phong thấp Pháp, Liên minh các Hiệp hội Phong thấp châu Âu.

Không có mã định danh trên clinicaltrials.gov được báo cáo cho nghiên cứu chẩn đoán hồi cứu này.

Các tài liệu tham khảo được chọn

1. Duquesne J, Basseto L, Claye C, et al. Sử dụng học máy để phân loại điểm tiêu điểm và bệnh Sjögren bằng cách sử dụng các sinh thiết tuyến nước bọt số hóa: một nghiên cứu hồi cứu về đội ngũ. Lancet Rheumatol. 2025 Th12;7(12):e864-e872. PMID: 41038216.

2. Shiboski CH, Shiboski SC, Seror R, et al. Tiêu chuẩn phân loại ACR-EULAR 2016 cho bệnh Sjögren nguyên phát: một nghiên cứu đồng thuận và kiểm chứng. Ann Rheum Dis. 2017;76(1):9-16.

Ghi chú của tác giả

Bài viết này được viết để tóm tắt và đánh giá phê bình các kết quả của Duquesne et al. cho các bác sĩ lâm sàng và nhà nghiên cứu. Nó nhấn mạnh các tác động chuyển giao và các bước cần thiết tiếp theo để kiểm chứng trước khi áp dụng lâm sàng.

Bài viết này được tạo với sự hỗ trợ của nhiều công cụ biên tập, bao gồm AI, trong quá trình thực hiện. Nội dung đã được biên tập viên xem xét trước khi xuất bản.

Bài liên quan

Mở nguồn tin theo ngôn ngữ và trang theo chuyên khoa.

Dự báo nguy cơ hội chứng giảm thông khí do béo phì cá thể hóa ở ứng viên phẫu thuật bariatric bằng học máy có khả năng giải thíchMột mô hình học máy có khả năng giải thích xác định các ứng viên phẫu thuật bariatric có nguy cơ hội chứng giảm thông khí do béo phì bằng 7 biến lâm sàng dễ tiếp cận, góp phần cải thiện chẩn đoán sớm và quản lý nguy cơ chu phẫu.28 thg 9, 2026Tăng cường phát hiện COPD nhờ các dấu ấn sinh học CT định lượng tích hợp trong chương trình sàng lọc ung thư phổiNghiên cứu này cho thấy việc kết hợp các dấu ấn sinh học định lượng trên CT với dữ liệu lâm sàng làm tăng đáng kể khả năng phát hiện COPD chưa được chẩn đoán trước đó trong quần thể sàng lọc ung thư phổi, qua đó tối ưu hóa chỉ định spiromet11 thg 9, 2026Tối ưu tần suất xét nghiệm ketone mao mạch để dự đoán nguy cơ nhiễm toan ceton ngắn hạn ở đái tháo đường type 1Xét nghiệm thể ketone mao mạch vào ngày sức khỏe tốt mỗi tuần vẫn duy trì độ chính xác dự báo nguy cơ nhiễm toan ceton do đái tháo đường trong 1 tháng, mang đến một chiến lược theo dõi thực tiễn hơn và ít gây gánh nặng hơn cho bệnh nhân đái31 thg 8, 2026Sự gián đoạn mạng lưới não bộ trên hình ảnh MRI dự báo nguy cơ tái phát cơn co giật dài hạn sau phẫu thuật điều trị động kinh thùy thái dương
Loading comments...
MedXY briefing

Get the free newsletter

Evidence-led clinical news, trends, and analysis—delivered to your inbox.

Hỏi MedXY AI

Most popular

Ob/Gyn &amp; Women's Health/Sản phụ khoa
Biến thiên toàn cầu về cắt tử cung đồng thời trong phẫu thuật giảm nguy cơ ở người mang BRCA1/2: Phân tích định lượng và định tính tích hợp
Tin tức MedXY
维生素D补充对慢性肝病影响的全面荟萃分析
Neurology/Thần kinh học
Kết nối corticostriatal tái tổ chức trước và sau khi suy giảm vận động trong bệnh Parkinson
Diabetes &amp; Endocrinology/Bệnh tiểu đường và nội tiết
Phân tầng tiên lượng và kết cục trong di căn não từ ung thư tuyến giáp biệt hóa nguồn gốc từ tế bào nang không thoái sản: góc nhìn từ một nghiên cứu hồi cứu đa trung tâm
Cardiology/Tim mạch
Khởi trị, tuân thủ và duy trì điều trị suy tim theo khuyến cáo hướng dẫn sau nhập viện: Thu hẹp khoảng cách giữa kê đơn và sử dụng bền vững
© 2026 MedXY
Contact usAbout usPrivacy PolicyMedXY story
Phân tích connectome MRI tiên tiến xác định sự gián đoạn các nút trung tâm não quan trọng như một dấu ấn sinh học dự báo tái phát cơn co giật dài hạn sau phẫu thuật động kinh thùy thái dương, qua đó cải thiện phân tầng nguy cơ sau phẫu thuậ
17 thg 8, 2026
Tái nhập viện sau tụ máu dưới màng cứng mạn tính: Góc nhìn từ phân kiểu hình bằng học máyTái nhập viện sau nhập viện vì tụ máu dưới màng cứng mạn tính/bán cấp thường gặp và chủ yếu không do phẫu thuật, với các diễn tiến lâm sàng đa dạng. Phân tích học máy cho thấy các cụm bệnh nhân khác nhau với nguy cơ tái nhập viện riêng biệt9 thg 8, 2026
Sàng lọc rung nhĩ theo nguy cơ bằng hồ sơ sức khỏe điện tửMột mô hình học máy sử dụng hồ sơ sức khỏe điện tử có thể xác định hiệu quả những bệnh nhân nguy cơ cao bị rung nhĩ, từ đó hỗ trợ sàng lọc có mục tiêu và chẩn đoán sớm để phòng ngừa đột quỵ.30 thg 7, 2026