1. 本文提出了一种自动化的框架,用于肾病学中的大规模组织形态学(FLASH)。
2. FLASH可以应用于所有主要肾病的形态性损伤模式,并可以直接将定量形态特征与组织学相关联。
3. FLASH-衍生的定量形态特征可以反映不同疾病相关的形态学改变,并提供独立的预后因子。
本文是一项关于Next-Generation Morphometry for pathomics-data mining in histopathology | Nature Communications 的重要工作,旨在开发一个用于肾脏病理学数据分析的自动化框架。文章使用五个不同的数据集进行测试和验证,并使用卷积神经网络来进行分割和特征分析。
尽管本文对此问题进行了有效考察,但也存在一些局限性。首先,文章中使用的数据集都是单中心或多中心数据集,因此无法代表具有多样化背景和人口特征的全球人口。此外,文章中使用的DL方法也是“black box”方法(13 [source: https://www.nature.com/articles/s41467-023-36173-0#ref-CR13] ), 因此无法看到DL方法如何决定特征选定、特征重要性如何以及如何将这些特征映射到临床上。此外,文章也未考虑风险因子或者道德问题。
尽管如此,本文仍然是一项重要工作:它开发出一个能够帮助医生诊断和处理不同肾脏病理情况的工具。