Nổi bật
- Giải phẫu số hóa (DP) được hỗ trợ bởi AI cải thiện đáng kể sự đồng thuận giữa các bác sĩ giải phẫu về giai đoạn xơ hóa, đặc biệt là xơ hóa giai đoạn sớm (F0-F2) trong MASH.
- Sử dụng hình ảnh cộng hưởng điều hòa thứ hai/kích thích hai photon (SHG/TPEF) kết hợp với đánh giá xơ hóa định lượng (qFibrosis) được hỗ trợ bởi AI tăng cường khả năng nhìn thấy và đánh giá khách quan mức độ nghiêm trọng của xơ hóa.
- Hỗ trợ của AI tăng cường sự đồng thuận cho tiêu chí bao gồm/trừ bỏ trong các thử nghiệm lâm sàng và đánh giá phản ứng xơ hóa, có thể giảm nhu cầu giải quyết tranh cãi và tăng cường sức mạnh của thử nghiệm.
Nền tảng nghiên cứu và gánh nặng bệnh tật
Gan nhiễm mỡ do rối loạn chức năng chuyển hóa (MASH), trước đây được gọi là gan nhiễm mỡ không do rượu (NASH), là nguyên nhân ngày càng tăng của bệnh gan mạn tính trên toàn thế giới. Được đặc trưng bởi tích tụ mỡ trong gan kèm theo viêm và mức độ xơ hóa khác nhau, MASH có liên quan chặt chẽ với béo phì, đề kháng insulin và các biến chứng của hội chứng chuyển hóa. Giai đoạn xơ hóa là yếu tố dự đoán lịch sử học quan trọng nhất về kết quả lâm sàng xấu trong MASH, ảnh hưởng đến tiên lượng và quyết định điều trị.
Đánh giá chính xác xơ hóa gan thông qua sinh thiết vẫn là tiêu chuẩn vàng lâm sàng; tuy nhiên, sự biến đổi đáng kể giữa và trong các bác sĩ giải phẫu về giai đoạn xơ hóa làm phức tạp việc chọn bệnh nhân cho các thử nghiệm lâm sàng và gây nhầm lẫn trong việc đánh giá hiệu quả của điều trị. Sự biến đổi giữa người quan sát, đặc biệt là ở giai đoạn xơ hóa sớm quan trọng đối với việc bao gồm thử nghiệm, có thể dẫn đến việc đăng ký bệnh nhân không nhất quán và giảm sức mạnh thống kê trong các thử nghiệm.
Các nền tảng giải phẫu số hóa mới tích hợp phương pháp trí tuệ nhân tạo (AI) nhằm tăng cường đánh giá của các bác sĩ giải phẫu bằng cách cung cấp công cụ đánh giá xơ hóa định lượng và có thể tái tạo hơn. Nghiên cứu này đã đánh giá một hệ thống giải phẫu số hóa được hỗ trợ bởi AI sử dụng hình ảnh SHG/TPEF và các biện pháp đánh giá xơ hóa định lượng được hỗ trợ bởi AI để cải thiện độ tin cậy của việc xác định giai đoạn xơ hóa trong sinh thiết MASH.
Thiết kế nghiên cứu
Nghiên cứu này phân tích 120 slide giải phẫu gan được số hóa từ hai thử nghiệm lâm sàng giai đoạn II/III được đăng ký với số hiệu NCT03517540 và NCT03912532. Bốn chuyên gia giải phẫu gan độc lập đã đánh giá giai đoạn xơ hóa trên các slide này cả có và không có sự hỗ trợ của AI, được thực hiện thông qua thiết kế ngẫu nhiên, crossover hai kỳ để kiểm soát các hiệu ứng học tập hoặc mệt mỏi tiềm ẩn.
Nền tảng giải phẫu số hóa được hỗ trợ bởi AI sử dụng hình ảnh SHG/TPEF không cần màu, phương pháp không nhãn cho phép nhìn thấy rõ ràng các sợi collagen, kết hợp với các chỉ số đánh giá xơ hóa định lượng (qFibrosis) được hỗ trợ bởi AI. Các giá trị định lượng này cung cấp đánh giá xơ hóa liên tục cùng với các đầu ra phân loại để hỗ trợ các bác sĩ giải phẫu trong quá trình đánh giá.
Điểm cuối chính bao gồm sự thay đổi trong sự đồng thuận giữa và trong các bác sĩ giải phẫu được đánh giá bằng các giá trị hệ số Kappa của Cohen. Phân tích phụ đánh giá sự đồng thuận liên quan đến tiêu chí bao gồm/trừ bỏ trong thử nghiệm (giai đoạn xơ hóa F2-F3 để bao gồm; F0/F1/F4 để trừ bỏ) và đánh giá phản ứng xơ hóa đối với điều trị.
Kết quả chính
Hỗ trợ của AI đã cải thiện đáng kể sự đồng thuận giữa các bác sĩ giải phẫu về giai đoạn xơ hóa, đặc biệt là ở giai đoạn xơ hóa sớm (F0-F2), nơi mà sự biến đổi truyền thống là cao nhất. Hệ số Kappa giữa các người đánh giá tăng từ khoảng 0.4 lên 0.7 với sự hỗ trợ của AI, một cải tiến mạnh mẽ cho thấy sự đồng thuận đáng kể. Sự biến thiên xung quanh trung vị của giai đoạn xơ hóa cũng giảm đáng kể với sự hỗ trợ của AI.
Đáng chú ý, hỗ trợ của AI không thay đổi sự nhất quán trong các bác sĩ giải phẫu, cho thấy độ tin cậy cá nhân của các bác sĩ giải phẫu là ổn định bất kể sự hỗ trợ của AI.
Về phân loại trường hợp thử nghiệm lâm sàng, sự đồng thuận cho các trường hợp bao gồm (F2-F3) tăng từ 45% không có AI lên 71% có AI, trong khi sự đồng thuận cho các trường hợp loại trừ tăng từ 38% lên 55%. Tương tự, sự đồng thuận trong việc đánh giá phản ứng xơ hóa đối với điều trị tăng từ 49% lên 61%.
Các bác sĩ giải phẫu đã đánh giá tính hữu ích của các thành phần nền tảng AI như sau: hình ảnh SHG/TPEF được tìm thấy hữu ích trong 83% trường hợp, giá trị liên tục qFibrosis trong 55%, và phân loại qFibrosis trong 38%, nhấn mạnh giá trị của hình ảnh được tăng cường và các chỉ số định lượng.
Việc mô hình hóa những cải tiến này trong bối cảnh của các thử nghiệm lâm sàng cho thấy giảm khoảng 25% nhu cầu quy trình giải quyết tranh cãi và có thể tăng sức mạnh thống kê lên 45%, cho phép kích thước mẫu nhỏ hơn hoặc thiết kế nghiên cứu hiệu quả hơn.
Bình luận chuyên gia
Sử dụng AI trong giải phẫu số hóa giải quyết một nhu cầu chưa được đáp ứng quan trọng trong nghiên cứu lâm sàng MASH bằng cách giảm sự biến đổi chủ quan trong việc xác định giai đoạn xơ hóa. Sự kết hợp của hình ảnh SHG/TPEF và đánh giá định lượng được hỗ trợ bởi AI cải thiện tính khách quan và tái tạo của việc đánh giá xơ hóa, đặc biệt là ở giai đoạn sớm và trung gian, nơi mà việc phát hiện là khó khăn.
Trong khi độ tin cậy trong các bác sĩ giải phẫu không thay đổi, sự đồng thuận giữa các bác sĩ giải phẫu được cải thiện trực tiếp ảnh hưởng đến sự vững chắc của các thử nghiệm lâm sàng bằng cách đồng nhất việc xác định khả năng phù hợp của bệnh nhân và đánh giá phản ứng điều trị. Sự tăng cường công nghệ này có thể tăng tốc thời gian phát triển thuốc và giảm chi phí liên quan thông qua các điểm cuối giải phẫu chính xác hơn.
Mặc dù có kết quả hứa hẹn, các hạn chế bao gồm việc nghiên cứu bị giới hạn ở các chuyên gia giải phẫu gan, có thể không tổng quát hóa cho các bác sĩ giải phẫu chung hoặc các môi trường cộng đồng. Việc xác nhận triển vọng trong các nhóm lớn hơn và các môi trường thực tế, bao gồm cả sự đa dạng của chuyên môn của các bác sĩ giải phẫu, sẽ là thiết yếu cho việc áp dụng rộng rãi. Ngoài ra, tích hợp với các chỉ số xơ hóa không xâm lấn khác và các tham số lâm sàng có thể tối ưu hóa quy trình chẩn đoán.
Kết luận
Giải phẫu số hóa được hỗ trợ bởi AI, cụ thể là sử dụng hình ảnh SHG/TPEF và các chỉ số đánh giá xơ hóa định lượng được hỗ trợ bởi AI, cải thiện đáng kể sự đồng thuận giữa các bác sĩ giải phẫu về giai đoạn xơ hóa trong MASH. Sự cải thiện này rõ ràng nhất ở giai đoạn xơ hóa sớm quan trọng cho sự phù hợp của thử nghiệm lâm sàng và theo dõi bệnh. Sự đồng thuận được cải thiện có thể giảm gánh nặng giải quyết tranh cãi và tăng sức mạnh của các thử nghiệm lâm sàng, từ đó mang lại những bước tiến có ý nghĩa trong hiệu quả nghiên cứu lâm sàng và đánh giá điều trị.
Công việc trong tương lai nên tập trung vào việc xác nhận các công cụ AI trong các nghiên cứu triển vọng, đa trung tâm, mở rộng quyền truy cập vượt ra ngoài các trung tâm chuyên gia, và tích hợp các nền tảng như vậy vào thực hành giải phẫu thường xuyên để cải thiện chăm sóc bệnh nhân và tăng tốc khám phá điều trị trong MASH.