背景：小管炎是T細胞介導排斥反應（TCMR）的標誌性組織學特徵，而腎小球炎通常是抗體介導排斥反應（AMR）的特徵。採用Banff標準對小管炎和腎小球炎進行組織學量化時，存在觀察者間變異。整體轉錄組檢測方法（如MMDx）已建立了小管炎與TCMR、腎小球炎與AMR之間的分子相關性，但缺乏空間分辨率。
方法：我們將基於網絡的平台FUSION（全切片圖像中功能單位狀態識別）應用於一個包含8例病例的隊列（每種情況n=2），這些病例均為腎移植活檢樣本，包括急性TCMR、活動性AMR、慢性活動性AMR和無排斥反應（對照）。該機器學習（ML）平台可實現空間轉錄組學（10x Genomics Visium v2）與高分辨率全切片組織學圖像的整合可視化和分析。結果：利用AI分割的小管區和腎小球區內基於轉錄組學推導的免疫細胞比例，生成了空間Banff t評分和g評分。
在2例急性TCMR病例中，推導得到的t評分與病理學家評分完全一致；在4例AMR病例中，g評分有2例與病理學家評分一致，而不一致的病例表現為分類邊界附近絕對免疫信號較低。結論：我們證明了使用基於AI的腎單位功能結構（FTU）分割，並整合空間轉錄組學推導的免疫細胞比例，以生成符合Banff標準的、具有空間資訊的t評分和g評分是可行的；在重度排斥反應中實現了完全一致，在輕度排斥反應中實現了部分一致。
該方法為建立經驗證的、由空間轉錄組學增強的t評分和g評分奠定了基礎，可提高診斷精度，減少腎臟病理學家之間的觀察者間變異，並支援其潛在的臨床應用。
📄 原文連結：https://www.biorxiv.org/content/10.64898/2026.05.08.723594v1?rss=1
🏷️ 腎移植活檢 空間轉錄組學 人工智能分割 Banff評分 排斥反應