Utilizing Deep Learning to Analyze Whole Slide Images of Colonic Biopsies for Associations Between Eosinophil Density and Clinicopathologic Features in Active Ulcerative Colitis
Notice bibliographique
Résumé
BACKGROUND: Eosinophils have been implicated in the pathogenesis of ulcerative colitis and have been associated with disease course and therapeutic response. However, associations between eosinophil density, histologic activity, and clinical features have not been rigorously studied. METHODS: A deep learning algorithm was trained to identify eosinophils in colonic biopsies and validated against pathologists' interpretations. The algorithm was applied to sigmoid colon biopsies from a cross-sectional cohort of 88 ulcerative colitis patients with histologically active disease as measured by the Geboes score and Robarts histopathology index (RHI). Associations between eosinophil density, histologic activity, and clinical features were determined. RESULTS: The eosinophil deep learning algorithm demonstrated almost perfect agreement with manual eosinophil counts determined by 4 pathologists (interclass correlation coefficients: 0.805-0.917). Eosinophil density varied widely across patients (median 113.5 cells per mm2, interquartile range 108.9). There was no association between eosinophil density and RHI (P = 0.5). Significant differences in eosinophil density were seen between patients with Montreal E3 vs E2 disease (146.2 cells per mm2 vs 88.2 cells per mm2, P = 0.005). Patients on corticosteroids had significantly lower eosinophil density (62.9 cells per mm2 vs 124.1 cells per mm2, P = 0.006). No association between eosinophil density and biologic use was observed (P = 0.5). CONCLUSIONS: We developed a deep learning algorithm to quantify eosinophils in colonic biopsies. Eosinophil density did not correlate with histologic activity but did correlate with disease extent and corticosteroid use. Future studies applying this algorithm in larger cohorts with longitudinal follow-up are needed to further elucidate the role of eosinophils in ulcerative colitis.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».