关键点
- 人工智能模型在不同研究和动物模型中表现出良好的泛化能力，在应用于人类活检时减少了转化差距。
- 与手动全切片成像评分相比，人工智能辅助将研究评估周期缩短了多达90%，达到了专家水平的性能。
- 1）能够在全切片图像中检测出肾小球，（2）通过注释工具实现快速专家评分，（3）实现自动化评分。通过利用未标记的临床前数据进行自我监督学习，我们提高了AI评分的性能，减少了专家偏见，并实现了从动物模型到人类活检的AI评分转化。为了将AI模型从临床前研究转化为人类活检，我们引入了一种方法，在推理过程中将特征提取器调整为适用于人类的特征，而无需标注样本。
结果
我们的注释工具简化了肾小球评分过程，将周转时间缩短了80%。监督式AI模型的表现优于专家评分，进一步将周转时间缩短了90%，证明了其在涉及相同和不同动物模型的研究中的泛化能力。在没有监督的情况下，自我监督模型获得了0.78的κ值，能够有效识别肾小球变化。将自我监督学习融入监督训练后，性能提升到κ=0.84，并且与个别专家相比减少了偏见（P < 0.001）。尽管模型仅基于小鼠肾小球数据进行训练，但在人类肾小球上的转化方法仍然获得了0.63的κ值，减少了45%的转化差距。
结论
在这项研究中，我们在实际的制药行业环境中加速并提升了病理学评估的效率。我们证明了AI辅助评分减少了病理学家的工作负担，并加快了研究评估速度。自我监督学习无需专家注释即可捕捉肾脏形态的固有特征，减少了专家偏见和转化差异，极大地促进了糖尿病肾病患者的药物开发转化工作。
