基于深度序列神经网络的多任务模型在IgA肾病牛津分级与预后预测中的突破性应用

本研究创新性开发了DeepSNN多任务深度序列神经网络，首次整合IgA肾病（IgAN）的病变分割、肾小球分类、牛津MEST-C评分和预后预测四大核心临床任务。模型在解放军总医院（PLAG）和中日友好医院（CJF）数据集上展现卓越性能：病变识别Dice系数达0.95/0.92，牛津分类Kappa值（0.84-0.87）超越初级病理医师，预后预测AUC（0.810）显著优于国际预测工具IIPT（ΔAUC +0.068），为肾病理AI辅助诊断树立新标杆。

　　

Highlight

本研究开发的DeepSNN系统在IgA肾病（IgAN）病理分析领域实现三大突破：

1）首创多任务架构同步处理16类病变识别与牛津MEST-C评分

2）预后预测性能超越国际金标准IIPT工具

3）可视化证明AI决策逻辑与资深病理医师高度一致

Histopathology identification performance on PLAG dataset

如表2所示，DeepSNN在解放军总医院数据集上展现出惊人的病变识别能力：整体特异性（SP）0.97、敏感性（SE）0.95、Dice系数（DC）0.95。图3A直观展示模型对肾小球硬化、新月体等复杂病变的精准定位，其细粒度识别能力甚至可区分_微小病变（如系膜增生程度M0/M1）。

Discussion

DeepSNN的革命性在于：

• 首次实现从病理切片到临床预后的端到端分析

• 牛津分类Kappa值（0.79-0.87）达资深病理医师水平

• 预后预测中成功捕捉到传统指标未发现的^高风险特征群

Conclusion

本研究表明：DeepSNN不仅可作为病理医师的"AI显微镜"提升诊断效率，其内置的预后预测模块更能为临床提供超越现有工具（如IIPT）的风险分层方案，有望改写IgAN诊疗指南。