数字病理分类器定量区分皮层 CAA 血管与β-淀粉样蛋白斑块及空间关系分析

《Acta Neuropathologica Communications》：Digital quantification of vascular β-amyloid and perivascular plaques in cerebral amyloid angiopathy

　　摘要引言本研究旨在：（1）开发一种定量方法，用于自动检测皮层CAA阳性血管并将其与β-淀粉样蛋白斑块区分开来；（2）验证CAA数字病理分类器与手动评分之间的一致性；（3）描述血管周围β-淀粉样蛋白斑块相对于CAA阳性血管的空间分布特征。方法在HALO AI平台上对数字病理分类器进行训练，以区分楔叶皮层中CAA阳性血管与β-淀粉样蛋白斑块。将分类器应用于已数字化处理的组织病理学切片（n=100），这些切片此前已由资深神经病理学家进行评分。对CAA的切片级数字定量指标（包括CAA分类面积和血管β-淀粉样蛋白阳性百分比）以及β-淀粉样蛋白斑块的数字定量指标（β-淀粉样蛋白斑块分类面积）与手动CAA评分及阿尔茨海默病神经病理改变（ADNC）进行比较。血管周围斑块定义为距CAA阳性血管中心0至150微米同心距离范围内的β-淀粉样蛋白斑块。结果参与者死亡时的平均年龄为91.1岁（标准差=5.6），其中76%为女性。CAA分类面积和血管β-淀粉样蛋白阳性百分比的数字病理定量结果与半定量手动CAA评分呈强相关性（r_S分别为0.96和0.79）。每张切片上CAA阳性血管的数量范围为0至820个，其中评分1组的中位数为3个血管，评分2组为12个，评分3组为153个，评分4组为399个。此外，β-淀粉样蛋白斑块的数字定量结果与Thal分期呈强相关性（r=0.80），与ADNC呈中度相关性（r=0.60）。值得注意的是，随着手动CAA评分的递增，β-淀粉样蛋白斑块的总面积相对相似。然而，空间邻近性分析显示，CAA评分较高的病例在紧邻CAA阳性血管处有更多血管周围β-淀粉样蛋白斑块。结论数字病理分类器能够可靠地区分皮层CAA血管与β-淀粉样蛋白斑块，可用于研究斑块与CAA阳性血管之间的空间邻近关系，从而支持利用数字病理技术推进对CAA发病机制的理解。