روش پایش موثر برای بیماری کلیه پلی کیستیک: ردیابی حجم کلیه

برای اطلاعات بیشتر:ali.ma@wecistanche.com

اندازه گیری خودکار حجم کلی کلیه تصویربرداری تشدید مغناطیسی پیش بالینی برای منابع داده های تصویربرداری، حاشیه نویسی و کد منبع

ماری ای.ادواردز، سیگاپریا پریانان، دیما آنام، آدریانا وی.گریگوری

چکیده

هدف از این مطالعه اعتبار سنجی یک مجموع کاملا خودکار بودکلیهجلدروش اندازه‌گیری برای آزمایش‌های پیش بالینی جوندگان که سریع، دقیق، قابل تکرار باشد و این منابع را در اختیار جامعه پژوهشی قرار دهد. مطالعات جوندگان که شامل تصویربرداری است برای نظارت بر اثربخشی درمان در بیماری هایی مانندبیماری کلیه پلی‌کیستیک. مطالعات قبلی از تقسیم‌بندی دستی یا نیمه خودکار استفاده می‌کنند که زمان‌بر و بالقوه مغرضانه است. برای توسعه سیستم خودکار ما، در مجموع 150 تصویر رزونانس مغناطیسی محوری (MRI) از انواع مدل‌های ماوس به صورت دستی تقسیم‌بندی شدند و برای آموزش/اعتبارسازی یک الگوریتم خودکار مورد استفاده قرار گرفتند. برای آزمایش کاربرد طولی مدل، از چهار موش جهش یافته و چهار موش نوع وحشی به صورت متوالی طی سه تا دوازده هفته از طریق MRI تصویربرداری شدند. بخش بندی ازکلیه ها(به استثنای لگن کلیه) با روش خودکار و دو خواننده مختلف تولید شد، با یک خواننده تکرار

اندازه گیری ها معیارهای شباهت و تجزیه و تحلیل طولی برای ارزیابی عملکرد خودکار در مقایسه با روش‌های دستی محاسبه شد. رویکرد خودکار به هیچ ورودی کاربر، علاوه بر مرحله نهایی کنترل کیفیت بصری، نیاز ندارد. معیارهای تشابه روش خودکار در مقابل تقسیم‌بندی‌های دستی با مقایسه‌های بین و درون‌خوان برابر بود. بنابراین، رویکرد کاملاً خودکار ما که در اینجا توضیح داده شده است، می‌تواند با خیال راحت در آزمایش‌های طولی و پیش بالینی که شامل تقسیم‌بندی جوندگان است، استفاده شود.کلیه هادر T2-MRls وزنی.

برای بیماری کلیوی روی Cistanche در اردو کلیک کنید

مقدمه

نشان داده شده است که اندازه گیری حجم اندام با تظاهرات بالینی و عوارض بیماری هایی مانند کل ارتباط داردکلیهجلد(TKV) در اتوزومال غالببیماری کلیه پلی‌کیستیک(PKD) و برای تعیین اثربخشی مداخلات درمانی، تحقیقات، آزمایش‌های بالینی و نفرولوژی بالینی به طور فزاینده‌ای از این اندازه‌گیری‌ها برای نظارت بر پیشرفت بیماری در مدل‌های حیوانی و بیماران، ارزیابی اثربخشی درمان‌ها و پیش‌بینی نتایج استفاده می‌شود.

در حال حاضر، مطالعات پیش بالینی با سرعت بی‌سابقه‌ای برای جستجوی درمان‌های جدید برای کاهش سرعت پیشرفت PKD در حال انجام است.بیماری کلیه پلی‌کیستیکیک مزیت کلیدی تصویربرداری رزونانس مغناطیسی (MRI) در مدل های حیوانی PKD (بیماری کلیه پلی‌کیستیک)توانایی استفاده از تصویربرداری در دید است که امکان انجام مطالعات حجمی طولی را که از یک حیوان استفاده می‌کنند، فراهم می‌کند. مطالعات متعددی که شامل تقسیم‌بندی خودکار،-12 نیمه خودکار، 5، 14، و مبتنی بر ثبت نام ماوس است.کلیه هاقبلا انجام شده است.

بسیاری از روش‌هایی که به‌عنوان خودکار در نظر گرفته می‌شوند همچنان به ورودی کاربر نیاز دارند. اکثر این مطالعات پیش بالینی از تقسیم‌بندی‌های دستی استفاده می‌کنند که زمان‌بر و پرهزینه هستند و همچنین سوگیری مشاهده‌گر را معرفی می‌کنند. بنابراین، آزمایشگاه ما تنوع در اندازه‌گیری TKV را ارزیابی کرده و یک برنامه تجزیه و تحلیل خودکار برای اندازه‌گیری TKV در اسکن‌های تشدید مغناطیسی مدل‌های موش بیماری ایجاد کرده است.

نتایج

تنوع درون و بین ناظر کتابچه راهنمای کاربرکلیهتقسیم بندی ها: شکل 1 نتایج تجزیه و تحلیل Bland-Altman TKV را نشان می دهد که به صورت دستی توسط 2 خواننده (واریانس بین ناظر) و تکرار اندازه گیری توسط خواننده 2 (واریانس درون ناظر) اندازه گیری شده است. هنگامی که خواننده 1 با خواننده 2 مقایسه شد، میانگین درصد اختلاف 7.7 درصد و فاصله اطمینان 95 درصد ± 4.5 درصد وجود داشت. هنگامی که خواننده 2 اندازه گیری های تکراری را از همان تصویر انجام داد، میانگین درصد اختلاف -0.5 درصد و فاصله اطمینان 95 درصد ± 3.9 درصد بود. تجزیه و تحلیل رگرسیون نشان داد که توافق بالایی در TKV در بین همه روش‌ها وجود دارد، با مقدار R2 بزرگتر یا مساوی 99/.{18}}.

اعتبارسنجی الگوریتم تقسیم‌بندی خودکار روش خودکار در مقایسه با هر خواننده در رابطه با درصد اختلاف TKV مشابه واریانس بین و درون ناظر است که توسط نمودارهای بلند-آلتمن در شکل 1 پیشنهاد شده است. هنگامی که خواننده 1 با در روش خودکار، میانگین درصد اختلاف 2/5 درصد و فاصله اطمینان 95 درصد 8/5± درصد وجود داشت. وقتی خواننده 2 با روش خودکار مقایسه شد، میانگین درصد اختلاف -2.5 درصد و فاصله اطمینان 95 درصد ± 6.5 درصد وجود داشت.

تمایز بین موش‌های نوع وحشی و جهش‌یافته: میانگین و SD TKV در هر نقطه زمانی برای هر روش رسم شد و با ژنوتیپ (جهش در مقابل نوع وحشی) جدا شد. همانطور که در شکل 2 مشاهده می شود، میانگین TKV همیشه در موش های نوع وحشی در هر نقطه زمانی کوچکتر از موش های جهش یافته است. هر 3 روش (خودکار، خواننده 1 و خواننده 2) جدایی قابل توجهی از نوع موش را در سن 9 و 12 هفتگی نشان می دهند.

شکل 1 |Bland-Altman و تجزیه و تحلیل رگرسیون (a,e) interobserver و (b,f) اندازه‌گیری حجم کل کلیه درون ناظر (TKV) (اندازه‌گیری شده در میلی‌لیتر) علاوه بر روش خودکار (Auto) در مقایسه با (c,g) Reader 1 و (d,h) reader 2. نمودارهای Bland-Altman اختلاف میانگین (خط توپر) و 95 درصد فاصله اطمینان (خطوط نقطه چین) را نشان می دهند. تحلیل رگرسیون همبستگی بین روش های مقایسه شده را نشان می دهد.

بحث

تجزیه و تحلیل ازکلیهجلددر PKD (بیماری کلیه پلی‌کیستیک)یکی از مهمترین معیارهایی است که در حال حاضر برای توصیف وضعیت بیماری استفاده می شود. قبل از کار ما هیچ جایگزینی برای ردیابی دستی وجود نداشتکلیه هادر سیستم های مدل PKD (بیماری کلیه پلی‌کیستیک). به دلیل زمان صرف شده برای ردیابی این ساختارها، و همچنین زمان مورد نیاز برای آموزش یک فرد برای انجام این اندازه‌گیری‌ها، و پتانسیل تغییرپذیری بین اپراتورها، در این مطالعه ما یک روش تقسیم‌بندی کاملاً خودکار برای TKV را توسعه و تأیید کردیم. تقسیم بندی خودکار در عرض چند دقیقه (بسته به قدرت محاسباتی) محاسبه می شود، در حالی که تقسیم بندی دستی 20 تا 40 دقیقه طول می کشد. برخلاف روش‌های تقسیم‌بندی دستی یا حتی نیمه خودکار، این روش خودکار هر بار که بر روی یک تصویر اعمال می‌شود، نتایج دقیق یکسانی را ایجاد می‌کند.

کارآزمایی‌های پیش بالینی اغلب شامل گروه کنترل و گروه(های درمانی) می‌شود. بنابراین، ضروری است که روش جفت‌گیری خودکار به اندازه کافی حساس باشد تا تفاوت‌های حجمی بین گروه‌ها را به‌طور مناسب تشخیص دهد.» شکل 2 نشان می‌دهد که تقسیم‌بندی دستی و تقسیم‌بندی خودکار، هر دو جدایی قابل‌توجهی را در گروه‌های نوع وحشی و جهش یافته در سن 9 هفتگی نشان می‌دهند. اگرچه توافق کلی بسیار عالی بود، مقایسه‌های بصری اختلافات جزئی را در مورد گنجاندن یا حذف لگن کلیه در زیرمجموعه‌های کوچکی از برش‌ها پیشنهاد می‌کردند. اگرچه این روش معمول است که لگن کلیه را کنار بگذارند، اگر به خوانندگان دستور داده شود که همیشه آن را بگنجانند، تنوع ممکن است کاهش یابد. این ساختار

روش خودکار ارائه شده در این مطالعه هنوز برای تصاویر خارجی اعمال نشده است. توجه به این نکته مهم است که شدت سیگنال در سایت‌ها، اسکنرها و اکتساب‌های MRI متفاوت است، این احتمال وجود دارد که مجموعه داده‌های آموزشی بزرگ‌تر با موارد متنوع‌تر از دستگاه‌های مختلف MRI، به دلیل ماهیت الگوریتم‌های یادگیری عمیق، به مدل قوی‌تری دست یابد. الگوریتم‌های خودکار مانند این اغلب به دلیل تغییرات در سیگنال‌های MRI نیاز به آموزش مجدد در مجموعه داده‌های خارجی دارند. بنابراین، ما داده‌های تصویربرداری، حاشیه‌نویسی و کد منبع را در اختیار جامعه پژوهشی قرار می‌دهیم تا سایر گروه‌ها یا از همان مدل استفاده کنند یا مدل خود را توسعه دهند.

شکل 2 |حجم کل کلیه موش های نوع وحشی و جهش یافته در طول زمان (سن 12-3 هفته) برای روش خودکار (خودکار) (سمت چپ)، خواننده 1 (وسط)، و خواننده 2 (راست) ترسیم شد. هر 3 روش نشان دهنده جدایی قابل توجهی از نوع موش در 9 هفتگی است. نوارهای خطا نشان دهنده SD است. *P <>

مواد و روش ها

داده‌های آموزشی/ اعتبارسنجی: مدل بر روی 100 مورد آموزش داده شد و در 50 مورد اعتبارسنجی شد. این 150 مورد شامل موش هایی با شدت بیماری متفاوت و در محدوده سنی مختلف بود. مجموعه تست یک مجموعه کاملاً نگهدارنده است و همان چیزی است که در این مقاله ارزیابی کردیم.

گروه مطالعه آزمایشی: این مطالعه توسط کمیته مراقبت و استفاده از حیوانات موسسه مایو کلینیک بررسی و تایید شد. گروه شامل نوع وحشی C57Bl6 x 1296Svev/Tac (n=4؛ 2 زن/2 نر) و C57Bl6 × 129s6Svev/Tac(n=4؛ 2 ماده/2 می سازد) PKD جهش یافته (بیماری کلیه پلی‌کیستیک) موش های مدل RC/RC. موش های جهش یافته تظاهرات انسانی PKD1 را منعکس می کنند (بیماری کلیه پلی کیستیک نوع 1) هم از نظر ژنتیکی و هم از نظر فنوتیپی. یکی از موش های جهش یافته در اواسط آزمایش مرد و در هفته 9 با موش جهش یافته دیگری در همان سن جایگزین شد.

به دست آوردن تصویر: تصویربرداری با استفاده از طیف سنج Avance DRX 700WB (Bruker BioSpin، Billerica، MA) انجام شد. پوشش کامل ازکلیه هاتوسط یک اکتساب وزنی TurboRARE محوری به دست آمد که با وضوح 0.1 میلی متر در صفحه و ضخامت برش l-mm (اندازه ماتریس، 256 × 256 × Z، با Z انتخاب شده به اندازه کافی بزرگ برای پوشش دادن، بازسازی شده است. وسعت کامل ازکلیه ها). کل زمان اسکن بین 5 تا 10 دقیقه بود. در گروه مطالعه آزمایشی، هر موش در 4-نقاط زمانی (سن 3،6،9، و 12 هفتگی) تصویربرداری شد، نقاط زمانی برای هر موش در عرض 2 روز از یکدیگر انجام شد تا از تصویربرداری ثابت اطمینان حاصل شود. پارامترها و محدود کردن تغییرات محیطی تجزیه و تحلیل تصویر

مناطق مورد علاقه در هر اسکن با استفاده از یک بسته نرم افزاری تصویربرداری ردیابی شدند (تجزیه و تحلیل، نسخه 12.{1}}، منبع تصویربرداری زیست پزشکی، کلینیک مایو، روچستر، MN). به هر خواننده دستور داده شد که وقتی لگن کلیه توسط لگن احاطه نشده است، لگن کلیه را حذف کند.کلیهcapsule within the image slice. Manual segmentations took 20 to 40 minutes depending on the case. TKVs were calculated by first summing the number of voids contained within the seg-mentation on each slice and then multiplying the number of voxels by the voxel volume obtained from the image header. For the testing data,2 double-blind readers(1 and 2), both experienced in manual MRI segmentation, performed kidney segmentations on all scans. For intrareader analysis, reader 2 repeated the measurements at 2-time points (>به فاصله 3 ماه).

روش خودکار: مدل شبکه عصبی از مدل قبلی ما برای اندازه‌گیری TKV از تصاویر تشدید مغناطیسی T{0} وزنی از اسکن‌های بالینی اقتباس شده است. کد منبع، تصاویر، و حاشیه نویسی به صورت عمومی در آدرس زیر در دسترس است: https://github.com/TLKline/AutoTKV{1}}MouseMRI.

تجزیه و تحلیل آماری: برای تجزیه و تحلیل آماری از تصاویر رزونانس مغناطیسی T محوری (n =8) به‌دست‌آمده در هر موش (3، 6، 9 و 12 هفته) استفاده شد. در مجموع 32 تصویر امکان مقایسه تصاویر مختلف را در طیف وسیعی از سنین و تفاوت در فنوتیپ ها فراهم می کند. برای اعتبارسنجی روش کاملاً خودکار، از آمار مقایسه برای ارزیابی توانایی هر روش برای جداسازی گروه‌های نوع وحشی و جهش‌یافته استفاده شد. این با رسم TKV بر اساس نقطه زمانی و جداسازی بر اساس نوع موش به دست آمد. اندازه‌گیری‌های TKV و نرخ رشد برای هر روش نیز با استفاده از نمودارهای بلند-آلتمن و رگرسیون خطی ارزیابی شد.

قدردانی

این کار توسط مایو کلینیک رابرت ام و ترجمه بیل کلی پیرنی پشتیبانی شدبیماری کلیه پلی‌کیستیکمرکز و موسسه ملی دیابت و گوارش وکلیهبیماری ها

منابع

1. Grantham JI Torres VE, Chapman AB, et al. Volume progress inبیماری کلیه پلی‌کیستیک. N Engl J Med.{0}}.

2. Torre VE، Chapman AB، Devuyst O، و همکاران Tolvaptan در بیماران با اتوزومال غالببیماری کلیه پلی‌کیستیک. N Engl JMed.2012367:2407-2418.

3. Caroli A, Perico N, Perna A, et al.Effect of طولانی اثر آنالوگ سوماتوستاتین بر رشد کلیه و کیست در اتوزومال غالببیماری کلیه پلی‌کیستیک(ALADIN: یک کارآزمایی چند مرکزی تصادفی و کنترل شده با دارونما Lancet 2013:382-1485-1495

4. Wallace DP، Hou YP، Huang ZL، و همکاران. ردیابیکلیهجلددر موش ها بابیماری کلیه پلی‌کیستیکتوسط تصویربرداری رزونانس مغناطیسی. 2008؛ 73: 778-781.

5. Grantham Jl Torres VE. اهمیت کلکلیهجلددر ارزیابی پیشرفتبیماری کلیه پلی‌کیستیک. نات ریو نفرول. 2016؛ 12667-677.

6. Higashihara E، Torres VE، Chapman AB، و همکاران. تولواپتان در اتوزومال غالببیماری کلیه پلی‌کیستیک: سه سال تجربه Oin J Am Soc Nephrol 201162499-2507

7. Azbal MV.Rangel U.Berastralh EJ، et a. طبقه بندی تصویربرداری اتوزومال غالببیماری کلیه پلی‌کیستیک، یک مدل ساده برای انتخاب بیماران برای یک کارآزمایی بالینی.

8. Am So Nephrol.2015. 26:{3}}. Olazabal MV، Mishra PK، Torres VE، و همکاران استفاده از MRI ​​میدان فوق العاده بالا در مدل های جوندگان کوچکبیماری کلیه پلی‌کیستیکبرای فنوتیپ در داخل بدن و نظارت بر دارو. J Vs Exp.2015:100e52757.

9. Erokwu BO، Anderson CE Flask CA، و همکاران. ارزیابی تصویربرداری رزونانس مغناطیسی کمی اتوزومال مغلوببیماری کلیه پلی‌کیستیکپیشرفت و پاسخ به درمان در مدل حیوانی Pediatr Res. 2018؛ 83: 1067-1074.