Photoacoustic imaging of kidney fibrosis for assessing pretransplant organ quality
Notice bibliographique
Résumé
<p>Roughly 10% of the world’s population has chronic kidney disease (CKD). In its advanced stages, CKD greatly increases the risk of hospitalization and death. Although kidney transplantation has revolutionized the care of advanced CKD, clinicians have limited ways of assessing donor kidney quality. Thus, optimal donor kidney–recipient matching cannot be performed, meaning that some patients receive damaged kidneys that function poorly. Fibrosis is a form of chronic damage often present in donor kidneys, and it is an important predictor of future renal function. Currently, no safe, easy-to-perform technique exists that accurately quantifies renal fibrosis. We describe a potentially novel photoacoustic (PA) imaging technique that directly images collagen, the principal component of fibrotic tissue. PA imaging noninvasively quantifies whole kidney fibrotic burden in mice, and cortical fibrosis in pig and human kidneys, with outstanding accuracy and speed. Remarkably, 3-dimensional PA imaging exhibited sufficiently high resolution to capture intrarenal variations in collagen content. We further show that PA imaging can be performed in a setting that mimics human kidney transplantation, suggesting the potential for rapid clinical translation. Taken together, our data suggest that PA collagen imaging is a major advance in fibrosis quantification that could have widespread preclinical and clinical impact.</p>
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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) | 0,001 | 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 ».