Background: Artificial intelligence (AI) systems have showed promising results in digital pathology, including digital nephropathology and specifically also kidney transplant pathology.
Aim: Summarize the current state of research and limitations in the field of AI in kidney transplant pathology diagnostics and provide a future outlook.
Materials and methods: Literature search in PubMed and Web of Science using the search terms "deep learning", "transplant", and "kidney". Based on these results and studies cited in the identified literature, a selection was made of studies that have a histopathological focus and use AI to improve kidney transplant diagnostics.
Results and conclusion: Many studies have already made important contributions, particularly to the automation of the quantification of some histopathological lesions in nephropathology. This likely can be extended to automatically quantify all relevant lesions for a kidney transplant, such as Banff lesions. Important limitations and challenges exist in the collection of representative data sets and the updates of Banff classification, making large-scale studies challenging. The already positive study results make future AI support in kidney transplant pathology appear likely.
Zusammenfassung: HINTERGRUND: Auf künstlicher Intelligenz (KI) beruhende Systeme konnten mit guten Ergebnissen in der digitalen Pathologie und so auch in der digitalen Nephropathologie eingesetzt werden. Die Nierentransplantationspathologie ist ein Bereich, der potenziell besonders von der Nutzung von KI profitieren kann.
Ziel der arbeit: Den aktuellen Stand der Forschung und die Limitationen im Bereich der KI-Unterstützung für die Nierentransplantationsdiagnostik aufzuzeigen, sowie einen Ausblick in die Zukunft zu geben.
Material und methoden: Eine Literaturrecherche erfolgte in PubMed und Web of Science den Suchbegriffen „Deep Learning“, „Transplant“ und „Kidney“. Basierend auf diesen Ergebnissen und den dort zitierten Studien wurde eine Selektion von Studien vorgenommen, die einen histopathologischen Fokus haben und KI verwenden, um eine verbesserte Nierentransplantationsdiagnostik zu ermöglichen.
Ergebnisse und schlussfolgerung: Viele Studien konnten bereits wichtige Beiträge insbesondere zur Automatisierung der Quantifizierung wichtiger histopathologischer Läsionen in der digitalen Nephropathologie liefern. Weitere histopathologische Veränderungen sind potenziell einfach automatisch quantifizierbar. Wichtige Limitationen und Herausforderungen bestehen in der Sammlung repräsentativer Datensätze und der regelmäßig erneuerten Banff-Klassifikation. Die bereits vorliegenden positiven Studienergebnisse lassen eine zukünftige KI-Unterstützung in der Nierentransplantationspathologie wahrscheinlich erscheinen.
Keywords: Computer assistance; Datenintegration; Deep learning; Histomorphometry; Kidney transplantation.
© 2024. The Author(s), under exclusive licence to Springer Medizin Verlag GmbH, ein Teil von Springer Nature.