Utvikling og validering av et virtuelt biopsisystem ved nyretransplantasjon

Ved nyretransplantasjon er dag-null biopsier avgjørende for å vurdere organkvalitet og diskriminere donor overførte eller ervervede lesjoner og sykdomsprogresjon etter transplantasjon. Imidlertid utfører mange sentre over hele verden ikke disse biopsiene fordi de er invasive og kostbare. Vi hadde som mål å utvikle og validere et ikke-invasivt virtuelt biopsisystem. Målet vårt var å gi klinikere et virtuelt biopsisystem for å veilede diagnostikk, terapi og umiddelbar pasientbehandling etter transplantasjon og for å minimere ytterligere risiko og kostnader for å utføre dag-null-biopsier kun ved å bruke standard donorparametere. For å omgå disse begrensningene, forsøkte vi å bygge og validere et virtuelt biopsisystem som bruker rutinemessig innsamlede donorparametere for å forutsi nyre-nullbiopsiresultater. Siden maskinlæring har vist sin kliniske relevans i mange medisinske spesialiteter og overlegen ytelse i forhold til logistisk regresjon, baserte vi våre analyser på maskinlæringsmetoder så vel som tradisjonelle statistiske tilnærminger ved bruk av store og kvalifiserte internasjonale kohortgivere som gjennomgikk rutinemessig og protokollisert innsamling av donorparametre sammen med dag-null biopsivurdering ved å bruke standardene til den internasjonale Banff allograft histopatologiklassifiseringen.