背景：小管炎是T细胞介导排斥反应（TCMR）的标志性组织学特征，而肾小球炎通常是抗体介导排斥反应（AMR）的特征。采用Banff标准对小管炎和肾小球炎进行组织学量化时，存在观察者间变异。整体转录组检测方法（如MMDx）已建立了小管炎与TCMR、肾小球炎与AMR之间的分子相关性，但缺乏空间分辨率。
方法：我们将基于网络的平台FUSION（全切片图像中功能单位状态识别）应用于一个包含8例病例的队列（每种情况n=2），这些病例均为肾移植活检样本，包括急性TCMR、活动性AMR、慢性活动性AMR和无排斥反应（对照）。该机器学习（ML）平台可实现空间转录组学（10x Genomics Visium v2）与高分辨率全切片组织学图像的整合可视化和分析。结果：利用AI分割的小管区和肾小球区内基于转录组学推导的免疫细胞比例，生成了空间Banff t评分和g评分。
在2例急性TCMR病例中，推导得到的t评分与病理学家评分完全一致；在4例AMR病例中，g评分有2例与病理学家评分一致，而不一致的病例表现为分类边界附近绝对免疫信号较低。结论：我们证明了使用基于AI的肾单位功能结构（FTU）分割，并整合空间转录组学推导的免疫细胞比例，以生成符合Banff标准的、具有空间信息的t评分和g评分是可行的；在重度排斥反应中实现了完全一致，在轻度排斥反应中实现了部分一致。
该方法为建立经验证的、由空间转录组学增强的t评分和g评分奠定了基础，可提高诊断精度，减少肾脏病理学家之间的观察者间变异，并支持其潜在的临床应用。
📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.05.08.723594v1?rss=1
🏷️ 肾移植活检 空间转录组学 人工智能分割 Banff评分 排斥反应