基于人工智能的肾小球疾病电镜图像分析系统（TEM-AID）的开发与多中心验证研究

　　来自多中心的研究人员开发了一种基于人工智能的TEM图像辅助诊断系统（TEM-AID），用于肾小球疾病的精准诊断。该系统通过深度学习技术实现了肾小球超微结构的精确分割（平均IOU达0.835）和七种肾小球肾炎亚型的准确分类（准确率0.886-0.914），在临床验证中显著提升病理医生诊断准确率11.7%，为肾脏病理诊断提供量化分析工具。

　　

这项突破性研究开发了一套名为TEM图像人工智能辅助诊断系统（TEM-AID）的创新平台，专门用于分析肾脏透射电子显微镜（Transmission Electron Microscopy, TEM）图像。该系统通过融合YOLO-v₈目标检测算法、Segment Anything Model分割模型和人工反馈优化机制，成功实现了对肾小球基底膜（Glomerular Basement Membrane, GBM）、足细胞足突（Foot Processes, FPs）和电子致密物沉积（Electron-Dense Deposits, EDDs）的精准分割，其分割性能达到平均交并比（IOU）0.835和Dice系数0.874的优异水平。

研究团队利用来自6个医疗中心31,670名患者的160,727张TEM图像进行模型训练和验证。TEM-AID不仅能够量化测量GBM厚度、足突融合程度和EDD沉积位点，更通过LASSO筛选的深度学习特征与统计特征组合，采用堆叠分类器实现了对7种肾小球疾病亚型的智能诊断，包括：IgA肾病、膜性肾病、狼疮性肾炎、糖尿病肾病、微小病变、系膜增生性肾小球肾炎和薄基底膜肾病。

在多中心外部验证中，该系统展现出卓越的诊断性能：内部验证准确率达0.911（95% CI, 0.904-0.918），外部测试准确率保持在0.895-0.914之间，宏观受试者工作特征曲线下面积（Macro-AUC）高达0.972-0.989。在包含454名患者的对比研究中，TEM-AID的诊断准确率（0.886）显著超越病理医生的独立判断水平，当医生使用该系统辅助诊断时，诊断准确率平均提升11.7%。

这项研究标志着人工智能在肾脏病理领域的重大突破，TEM-AID系统不仅为临床病理医生提供了可靠的量化分析工具，更通过多中心验证证明了其在改善诊断效率和准确性方面的巨大潜力，为肾小球疾病的精准诊断开辟了新的技术路径。