A coloração virtual acionada por IA é usada para avaliar biópsias pulmonares e de transplante de coração. Crédito: Ozcan Lab. / UCLA.
O transplante de órgãos oferece tratamento para salvar a vida para pacientes com erros de órgãos no estágio final, restaura a função e melhora muita qualidade de vida por milhares a cada ano. No entanto, a substituição do transplante continua sendo uma das principais causas de morbidade nos receptores pulmonares e cardíacos, com até 29% do pulmão e 25% dos pacientes de transplante cardíaco sofrendo rejeição aguda durante o primeiro ano.
O imperativo clínico para descobrir a rejeição o mais cedo e precisamente possível, define uma alta demanda por fluxos de trabalho patológicos, que são devido à coloração histoquímica de trabalho de pequenos fragmentos de biópsia.
O processo convencional de coloração química para vários pontos não apenas adiciona dias à reviravolta de diagnóstico – leia – decisões críticas de tratamento crítico – mas também implica altos custos de reagente e mão -de -obra. Além disso, o tingimento químico é suscetível ao manuseio de artefatos, captação de corante irregular e variabilidade de cor no lote a lote, os quais podem ocultar alterações sutis de tecido associadas à rejeição do transplante e complicar a interpretação patológica.
To address these problems, a research group led by Professor Aydogan Ozcan at the University of California, Los Angeles (UCLA), in collaboration with Histopathologists from the University of South California (USC) and University of California, Davis, an artificial artist in BME border Hematoxylin & Eosin (He & Emaster, demonstrate a panel with deep neural networks that increases Hematoxylin & Eosin (He & Emaster, demonstrate Um painel com redes neurais profundas que praticam gerando hematoxil e eosina (He & Econ, Mascon, Demonstração, Demonstração MT) e manchas de Verhoeff-Van Gieson (EVG) para tecidos pulmonares sem rótulo, bem como manchas de H&E e MT para toque cardíaco livre de etiqueta.
Ao alimentar imagens microscópicas de autofluorescência de seções instáveis de biópsia por meio desses modelos de IA, os pesquisadores produzem imagens virtuais digitais com alta fidelidade e replica fielmente vários pontos químicos e marcam funções de transplante sem usar reagentes.
“Nossa plataforma de coloração virtual não apenas fornece imagens de qualidade de diagnóstico, mas também preserva tecidos caros de biópsia para análises moleculares subsequentes”, disse os escritores mais velhos do estudo, Dr. Ozcan.
“Ao eliminar os procedimentos de corante químico, podemos economizar trabalho, reduzir os tempos de espera, reduzir custos e eliminar os ajustes estruturais de erro que surgem quando você pintar seções de tecido adjacente separadamente”.
Em um estudo cego envolvendo quatro patologistas certificados pela placa, os pontos virtuais alcançaram a conformidade de 82,4% para biópsias pulmonares e 91,7% para biópsias cardíacas quando diagnosticadas com rejeição de transplantes, em comparação com os métodos convencionais de coloração química.
A avaliação quantitativa da qualidade da coloração para propriedades nucleares, citoplasmáticas e extracelulares mostrou não-inferioridade das imagens virtuais-e em alguns casos excederam os pontos padrão virtuais de H&E, especialmente quando estavam presentes artefatos histoquímicos.
Além da velocidade e precisão do tingimento, a coloração de tecido virtual também garante a abordagem unidades de cores consistentes em cores, o que reduz a variação entre entre e uma vantagem importante para detecção automática a jusante e fluxos de trabalho de diagnóstico.
Ao praticamente gerar vários pontos a partir de uma única seção de tecido instável, a estrutura erradica as adaptações de erros estruturais que são inerentes ao tingimento de seções adjacentes e à visão geral das linhas de energia, evitando a necessidade de adaptar as imagens seriais manualmente.
Em suma, este trabalho estabelece a base para fluxos de trabalho patológicos digitais escaláveis e econômicos na medicina de transplante e abre caminho para ferramentas de diagnóstico a jusante de IA que dependem de entradas de imagem padronizadas.
Os esforços futuros expandirão a plataforma para tipos adicionais de órgãos e estágios de doença, com o objetivo final de oferecer cuidados mais rápidos e confiáveis para transplantar os destinatários de todo o mundo.
Mais informações:
Yuzhu Li et al, Avaliação sem rótulo de biópsias de transplante de pulmão e coração usando coloração virtual baseada em autofluorescência tecidual, limites de BME (2025). Doi: 10.34133/bmef.0151
Fornecido pelo Instituto de Engenharia da UCLA para avanço tecnológico
Citar: Coloração virtual de biópsias para diagnóstico de transplante (2025, 7 de julho) baixado em 7 de julho de 2025 em https://medicalxpress.com/news/2025-07-ai-oved-virtual-biopsie-tranplant.html
Este documento está sujeito a direitos autorais. Além de qualquer comércio justo com o objetivo de estudos ou pesquisas particulares, nenhuma parte pode ser reproduzida sem uma permissão por escrito. O conteúdo é fornecido apenas para fins de informação.
