Background: Semiquantitative histological scoring systems are frequently used in nephropathology. In computational nephropathology, the focus is on generating quantitative data from histology (so-called pathomics). Several recent studies have collected such data using next-generation morphometry (NGM) based on segmentations by artificial neural networks and investigated their usability for various clinical or diagnostic purposes.
Aim: To present an overview of the current state of studies regarding renal pathomics and to identify current challenges and potential solutions.
Materials and methods: Due to the literature restriction (maximum of 30 references), studies were selected based on a database search that processed as much data as possible, used innovative methodologies, and/or were ideally multicentric in design.
Results and discussion: Pathomics studies in the kidney have impressively demonstrated that morphometric data are useful clinically (for example, for prognosis assessment) and translationally. Further development of NGM requires overcoming some challenges, including better standardization and generation of prospective evidence.
Zusammenfassung: HINTERGRUND: In der Nephropathologie werden häufig semiquantitative histologische Scoringsysteme verwendet. In der computergestützten Nephropathologie liegt der Fokus auf der Generierung von quantitativen Daten aus der Histologie (sog. Pathomics). Mehrere aktuelle Studien haben mittels Next Generation Morphometry (NGM) solche Daten basierend auf Segmentierungen durch Künstliche Neuronale Netzwerke erhoben und deren Nutzbarkeit für verschiedene klinische oder diagnostische Zwecke untersucht.
Ziel der arbeit: Die Arbeit gibt einen Überblick über die aktuelle Studienlage hinsichtlich Pathomics von Nierengewebe und identifiziert aktuelle Herausforderungen und potenzielle Lösungen.
Material und methoden: Aufgrund der Literaturrestriktion (maximal 30 Referenzen) wurden Studien, die möglichst große Datenmengen verarbeiten, innovative Methodiken verwenden und/oder idealerweise multizentrisch konzipiert sind, basierend auf einer Datenbankrecherche ausgewählt.
Ergebnisse und diskussion: Pathomics-Studien der Niere haben eindrucksvoll gezeigt, dass morphometrische Daten klinisch (beispielsweise zur Prognoseabschätzung) und auch translational nützlich sind. Zur weiteren Entwicklung von NGM ist die Bewältigung einiger Herausforderungen notwendig, darunter insbesondere eine bessere Standardisierung und die Generierung prospektiver Evidenz.
Keywords: Kidney; Neural networks, computer; Prognosis; Prospective studies; References standards.
© 2024. The Author(s), under exclusive licence to Springer Medizin Verlag GmbH, ein Teil von Springer Nature.