Noticias

Aug 28, 2023

imagen cuantitativa

Informes científicos volumen 13,

Scientific Reports volumen 13, Número de artículo: 6384 (2023) Citar este artículo

444 Accesos

1 Altmetric

Detalles de métricas

Las nuevas terapias dirigidas para el virus de la hepatitis C (VHC) en la última década resolvieron la mayoría de las necesidades clínicas de esta enfermedad. Sin embargo, a pesar de que las terapias antivirales dan como resultado una respuesta virológica sostenida (SVR), sigue existiendo un desafío donde la etapa de fibrosis hepática en algunos pacientes permanece sin cambios o incluso empeora, con un mayor riesgo de cirrosis, conocido como el grupo irreversible. En este estudio, proporcionamos una visión estructural novedosa del colágeno a nivel tisular en la predicción temprana de casos irreversibles a través del análisis computacional basado en imágenes con una cohorte de datos pareados (pre y post-SVR) después del tratamiento basado en antivirales de acción directa (DAA). Se utilizó microscopía de excitación de dos fotones y generación de segundo armónico para obtener imágenes de biopsias emparejadas de 57 pacientes con VHC y se desarrolló una plataforma de perfilado de colágeno digital completamente automatizada. En total, se perfilaron 41 características basadas en imágenes digitales donde se descubrió que cuatro características clave estaban fuertemente asociadas con la reversibilidad de la fibrosis. El valor pronóstico de los datos se validó mediante la creación de prototipos de modelos predictivos basados ​​en dos características seleccionadas: relación de área de colágeno y rectitud de la fibra de colágeno. Llegamos a la conclusión de que el patrón de agregación de colágeno y el espesor de colágeno son fuertes indicadores de la reversibilidad de la fibrosis hepática. Estos hallazgos proporcionan las implicaciones potenciales de las características estructurales del colágeno del tratamiento basado en DAA y allanan el camino para una predicción temprana más completa de la reversibilidad utilizando muestras de biopsia previas a la RVS para mejorar las intervenciones médicas oportunas y las estrategias terapéuticas. Nuestros hallazgos sobre el tratamiento basado en DAA contribuyen aún más a la comprensión del mecanismo de gobierno subrayado y la base de conocimiento de la morfología estructural en la que se puede construir la futura solución de predicción no invasiva.

Según la Organización Mundial de la Salud, alrededor de 58 millones de pacientes están infectados con el virus de la hepatitis C (VHC) en todo el mundo, y se estima que cada año se producen 1,5 millones de nuevas infecciones. Aproximadamente el 20-30% de todos los pacientes con VHC desarrollarán fibrosis hepática avanzada o cirrosis1. La cirrosis es la cuarta causa principal de enfermedad crónica y provoca alrededor de 1 millón de muertes al año2. Aparte de la descompensación hepática resultante de la cirrosis, el otro resultado temido es el carcinoma hepatocelular (HCC). Alrededor del 2 al 7% de los pacientes cirróticos desarrollan HCC anualmente en comparación con 7/100 000 en la población sana.

Las opciones de tratamiento tradicionales para el VHC incluyen peginterferón, ribavirina y Harvoni, que se asocian con la reversión de la fibrosis hepática3. En los últimos años, algunas terapias novedosas contra el VHC aprobadas por la FDA incluyen Epclusa® (Sofosbuvir) y OLYSIO® (Simeprevir)4,5,6. Aunque los agentes antivirales de acción directa (DAA) informan una alta proporción de respuesta virológica sostenida (SVR), donde el VHC ya no se detecta en el plasma sanguíneo 24 semanas después de la finalización de la terapia antiviral6, se han informado aproximadamente el 30% de los casos. donde la fibrosis no ha mejorado post-SVR7 que clasificamos como el grupo irreversible que se muestra en la Fig. 1A. El proceso de fibrogénesis hepática es complejo e involucra a muchos actores. Se sabe que las células estrelladas hepáticas (HSC) tienen un papel fundamental8,9,10. El factor de necrosis tumoral α (TNF-α)11, el factor de crecimiento transformante β (TGF-β)12,13,14,15, IL-1116,17 y OSM18,19 son algunas de las citoquinas conocidas involucradas en las vías de fibrogénesis. Las células inmunes, como las células NK, tienen propiedades antifibróticas y también están asociadas con la reversibilidad de la fibrosis20. Un trabajo reciente descubrió que además de la inflamación y la respuesta inmune, la angiogénesis también puede tener un papel clave21. La remodelación del colágeno estromal ocurre con la realineación del colágeno en el parénquima hepático22,23,24. Varios estudios demostraron que la reducción de la cicatriz fibrosa y la inactivación de la apoptosis de los miofibroblastos también se asocian con la regresión de la fibrosis25,26,27,28. Sin embargo, aunque se han explorado los mecanismos antes mencionados, el papel de la remodelación estructural del colágeno en la reversibilidad de la fibrosis sigue sin conocerse en la literatura. Las secciones de biopsia siguen siendo el estándar de oro para revelar la morfología estructural a nivel de tejido y proporcionar una inmensa cantidad de información para futuras investigaciones. Existe cierto debate sobre la necesidad de la toma de muestras de biopsias dada la precisión de las técnicas no invasivas, mientras que la gran cantidad de información disponible de las biopsias es indudablemente valiosa para mejorar aún más las futuras soluciones no invasivas.

La predicción de la reversibilidad de la fibrosis hepática inducida por el VHC después de la RVS tiene un valor clínico significativo. (A) Se tomaron biopsias de hígado de pacientes con VHC antes y después de la RVS para que los patólogos evaluaran la reversibilidad de la fibrosis. Actualmente, carecemos de características de pronóstico eficientes que puedan estratificar a los pacientes para las intervenciones apropiadas. (B) Las imágenes de biopsia hepática se escanearon utilizando técnicas TPE y SHG y luego se procesaron utilizando algoritmos computacionales internos. Las características fueron seleccionadas para prototipar un modelo predictivo para clasificar a los pacientes. (C) El modelo predictivo deseado estratifica a los pacientes como irreversibles o reversibles, lo que indica qué pacientes pueden ser dados de alta, retenidos para un seguimiento no invasivo o inscritos en un ensayo clínico.

En nuestro estudio, se tomó una biopsia de hígado antes y después del tratamiento para que el médico evaluara si el grado de fibrosis disminuyó o no después del tratamiento, como se muestra en la Fig. 1A. Para predecir la probabilidad de reversibilidad de la fibrosis de los pacientes después de la RVS, se necesita una solución cuantitativa-cualitativa combinada para seleccionar las características del colágeno para ayudar a estratificarlas en la clínica para intervenciones médicas optimizadas como se muestra en las Fig. 1B,C . La falta de características predictivas para la reversibilidad de la fibrosis hepática inducida por el VHC se debe principalmente a las limitaciones técnicas de imagen previas. Históricamente, la remodelación y la cuantificación del colágeno se han estudiado mediante tinciones bioquímicas, como Picrosirius Red (PSR) o Masson tricrómico (MT). Sin embargo, este análisis depende en gran medida del protocolo de tinción y los algoritmos de desconvolución de color, lo que limita su consistencia. Dichos métodos tienen una capacidad inadecuada para identificar las características predictivas de la reversibilidad de la fibrosis hepática inducida por el VHC y, en su lugar, solo se evalúa la cantidad total de colágeno en las muestras de tejido, lo que se conoce como relación de proporción de colágeno (CPR). Como tal, la información estructural cuantitativa de las fibras de colágeno sigue siendo insuficiente para un análisis más profundo que pueda proporcionar un valor predictivo sobre los resultados de la reversibilidad de la fibrosis.

Si bien la información estructural del colágeno no es fácilmente accesible mediante técnicas o protocolos de imágenes tradicionales, es fundamental para obtener más información sobre el mecanismo de reversibilidad de la fibrosis hepática. Los avances recientes en las técnicas de imágenes médicas, la excitación de dos fotones (TPE) y el sistema de imágenes de segunda generación armónica (SHG), nos permiten adquirir y cuantificar las estructuras de colágeno con mayor detalle. SHG es una técnica de imagen óptica no lineal cuantitativa, multifotónica, basada en láser, que se utiliza para identificar colágeno fibrilar en tejido fijado con formalina e incluido en parafina (FFPE) sin manchas. Debido a sus principios físicos, es altamente sensible a los cambios en la fibrilla de colágeno, la estructura de la fibra y la remodelación del tejido conectivo. La aplicación de esta nueva técnica de imagen en el diagnóstico29,30,31,32,33,34,35,36 y pronóstico37,38 del virus de la hepatitis B (VHB) y VHC ha sido reportada tanto en modelos animales como en muestras clínicas humanas.

El desarrollo de fármacos de nuevos medicamentos antifibróticos se basará en una evaluación precisa, fiable y cuantitativa de la fibrosis hepática8,24. Aproximadamente ocho compuestos diferentes contra la fibrosis hepática están en desarrollo y validación en varias etapas de ensayos clínicos; sin embargo, aún no se dispone de medicamentos efectivos aprobados por la FDA para prevenir la progresión de la fibrosis hepática. Después del tratamiento antiviral eficaz del VHC, la siguiente necesidad esencial es predecir pacientes con fibrosis hepática reversible frente a irreversible para una vigilancia activa más cercana e inscripción en ensayos clínicos adecuados en curso, como se muestra en la Fig. 1C.

En este estudio, identificamos características de pronóstico cuantitativas basadas en imágenes y las usamos para predecir el riesgo de reversibilidad de la fibrosis en pacientes causada por el VHC posterior a la RVS. Brindamos una solución computacional novedosa para clasificar el colágeno en dos modos distintos según la intensidad y la morfología de la señal SHG de la fibra: colágeno grueso agregado (ATC) y colágeno delgado disperso (DTC) (Fig. 2A, B). La diferenciación de ATC y DTC proporciona una visión única de la remodelación del colágeno durante la progresión de la fibrosis hepática. Con el uso de técnicas de imágenes TPE y SHG, también empleamos una plataforma de perfilado de colágeno digital completamente automática desarrollada en un estudio anterior39 para cuantificar las estructuras de colágeno utilizando cuatro categorías de características: características de intensidad/área, texturales, estructurales y de distribución de fibras. Finalmente, usamos nuestros datos para inferir los procesos generales que podrían ser la base de la reversibilidad de la fibrosis.

Características estructurales cuantitativas del colágeno extraídas del análisis automático de imágenes. (A) Imágenes representativas de TPE (rojo) y SHG (verde), que especifican las estructuras de colágeno. El colágeno tiene dos modelos distintos: colágeno grueso agregado (ATC) y colágeno delgado disperso (DTC). El área ATC contiene fibras de colágeno altamente concentradas y agregadas como lo indica la flecha amarilla. El colágeno en el área de DTC se distribuye uniforme y escasamente, como lo muestra la flecha blanca. El cuadro azul indica el área representada en las partes (C–E). (B) Nuestro filtro basado en la morfología de la intensidad puede diferenciar estos dos tipos de regiones con éxito, como se muestra con la flecha amarilla y blanca. (C) La señal de colágeno se detecta utilizando un modelo GMM y su conectividad se conserva para una mejor descripción estructural. (D) Se aplicó esqueletización a la imagen binaria de colágeno para identificar la línea central de la red de fibras. (E) Se aplican soluciones similares al canal TPE, y extraemos las características de TPE en consecuencia. (F) Ilustración de la longitud de la fibra de colágeno (CFL). (G) Ilustración del grosor de la fibra de colágeno (CFT). (H) Detección de puntos de unión (puntos amarillos) para medir la complejidad de la red de colágeno.

Se recogieron un total de 114 imágenes de biopsias emparejadas previas a la RVS y posteriores a la RVS de 57 pacientes. De los 64 participantes originales, seis fueron descalificados debido a información incompleta. Otro paciente fue excluido por mutación del genotipo del virus y ausencia de RVS. Los análisis clínicos de sangre confirmaron que todos los demás pacientes habían logrado una RVS y habían erradicado completamente el virus. Los 29 pacientes masculinos y 28 femeninos tenían entre 18 y 61 años (edad media, 44,27 ± 10,99 años). Un panel de patólogos revisó de forma independiente y ciega los estadios histológicos de fibrosis de cada paciente para las biopsias previas y posteriores a la RVS utilizando portaobjetos teñidos con tricrómico de Masson de acuerdo con el sistema de puntuación de Ishak40 en paralelo. En la evaluación de la fibrosis de las muestras de biopsia, se presentan puntuaciones Ishak pareadas (pre-SVR y post-SVR) como estándar de referencia. Posteriormente, el estado de fibrosis de cada paciente se clasificó en los dos grupos siguientes: (i) "Reversible": la fibrosis se invierte, la puntuación de Ishak disminuye; y (ii) "Irreversible": el grado de fibrosis y la puntuación de Ishak permanecen iguales o aumentan.

Según la evaluación patológica independiente y enmascarada del estadio de fibrosis, 21 pacientes (13 hombres y 8 mujeres) mejoraron después de la RVS (grupo "reversible"), y 36 pacientes (16 hombres y 20 mujeres) desarrollaron una fibrosis igual o peor (" grupo de los "irreversibles").

Es una simplificación excesiva caracterizar la remodelación del colágeno como un simple aumento o disminución del contenido total de colágeno. Una nueva visión de las diferencias en las estructuras de colágeno entre varias regiones es crucial para comprender el mecanismo de reversibilidad de la fibrosis hepática. Debido a la limitación técnica, el grado/extensión de la agregación de colágeno está históricamente ausente en el contexto de los estudios de fibrosis. Brindamos una solución computacional novedosa basada en la intensidad de la señal, la textura y la morfología de la fibra SHG para clasificar los compartimentos de colágeno en dos modos distintos: colágeno grueso agregado (ATC) y colágeno delgado disperso (DTC). Las señales TPE (canal rojo) y SHG (canal verde) originales de una imagen representativa se muestran en la Fig. 2A. El área ATC es la región que contiene fibras de colágeno altamente concentradas y agregadas indicadas por la flecha amarilla en la Fig. 2A. Nuestra solución de clasificación es capaz de distinguir el área ATC con éxito, como lo muestra la flecha amarilla en la Fig. 2B. En el otro lado de la imagen, el colágeno se distribuye uniforme y escasamente en el área DTC, que está resaltada por la flecha blanca en la Fig. 2A,B.

Las características extraídas de una pieza más pequeña de tejido dentro del cuadrado azul en la Fig. 2A se amplifican y se muestran en la Fig. 2C-E. Con base en el modelo de mezcla gaussiana de dos modos (GMM), detectamos el área ocupada por los colágenos y preservamos su conectividad que se muestra en la Fig. 2C. La relación de área de colágeno (CAR) se midió en función de la relación de las regiones roja y azul dentro del área de la imagen binaria de colágeno (área ATC y áreas DTC, respectivamente, Fig. 2B) al área total de colágeno (ATC CAR y DTC CAR , respectivamente). En comparación con las áreas DTC, el colágeno a menudo ocupa un área proporcionalmente mayor en las áreas ATC, donde el colágeno está más agregado y es más denso. Según nuestros datos, ATC CAR suele ser > 80 %, mientras que DTC CAR suele ser < 20 %.

En el VHC crónico, el proceso de fibrosis se basa en el portal. Comienza con fibrosis portal, fibrosis periportal, tabiques puente entre las regiones portal-portal, portal-central y centro-central y, en última instancia, cirrosis. Los espacios porta con su colágeno nativo original se incorporan en la mayoría o al menos en muchas áreas ATC. Se aplicó esqueletización a la imagen binaria de colágeno para identificar la línea central de la red de fibras, como se muestra en la línea continua roja en la Fig. 2D. También se aplica un enfoque similar al canal TPE, y los resultados se muestran en la Fig. 2E. Las características estructurales, como la longitud de la fibra de colágeno (CFL) ilustrada en la figura 2F y el grosor de la fibra de colágeno (CFT) en la figura 2G, se calcularon en consecuencia. Los puntos de unión de la red de colágeno se identificaron luego como los puntos amarillos en la Fig. 2H. La densidad de los puntos de unión cuantifica la complejidad de las redes de tejido o colágeno. Supl. La Tabla 1 proporciona una lista no exhaustiva de las características clave que extrajimos junto con sus definiciones. Al igual que ATC CAR y DTC CAR, todas las demás características extraídas se calculan dentro del área ATC y el área DTC por separado. Por ejemplo, CFL tendrá ATC CFL y DTC CFL.

Realizamos análisis univariados para la selección de características en función de la evaluación de la prueba t para evaluar el valor pronóstico de cada característica de colágeno individual para la reversibilidad de la fibrosis por VHC. La relación de área ATC es una medida para cuantificar la cantidad relativa de tejido dado que ocupa el colágeno agregado, definida como la relación entre el área de la región roja en la Fig. 2B y el área total del tejido (la combinación de regiones rojas y azules) . La relación de área ATC es distinta de ATC CAR ya que el área ATC generalmente no está completamente ocupada por compartimentos de colágeno, mientras que ATC CAR se mide solo dentro de las áreas de colágeno.

Nuestros datos muestran que el ATC Area Ratio casi no tiene correlación con las puntuaciones de Ishak para las biopsias pre-SVR y post-SVR en el grupo reversible dado R = 0,152 y R = 0,133, respectivamente en Supp. Figura 1A,C. Sin embargo, para el grupo irreversible, existe una correlación más fuerte entre el ATC Area Ratio y las puntuaciones de Ishak de las biopsias pre-SVR y post-SVR dadas R = 0,688 y R = 0,477, respectivamente Supl. Figura 1B,D. Esto indica que la agregación de colágeno juega un papel clave en la reversibilidad de la fibrosis. Aunque los casos reversibles e irreversibles no demuestran la significancia estadística del ATC Area Ratio pre-SVR, el ATC Area Ratio tiene una diferencia estadísticamente significativa entre los dos grupos de pacientes post-SVR (Fig. 3A). Este resultado indica que la SVR reducirá la relación de área ATC de los casos reversibles e irreversibles, pero de manera más significativa en el grupo reversible, lo que respalda la opinión de que la agregación de colágeno es uno de los factores clave que afectan la reversibilidad de la fibrosis.

Evaluación de las características estructurales del colágeno cuantitativo extraído entre los grupos de pacientes reversibles e irreversibles. (A) La significación estadística no se muestra en la relación de área ATC de los grupos reversibles e irreversibles antes del tratamiento con RVS. Después del tratamiento con SVR, la relación de área ATC de ambos grupos disminuyó y se observó una diferencia significativa. (B) Cuatro características seleccionadas con significación estadística, denominadas ATC CAR, ATC CFT, ATC TRI y DTC CFS, entre grupos de pacientes reversibles (línea verde) e irreversibles (línea roja) antes del tratamiento con SVR. (C) Los perfiles definidos por estas cuatro características dadas de los grupos reversibles (línea verde) e irreversibles (línea roja) post-SVR.

A continuación, analizamos las características estructurales cuantitativas extraídas de las regiones ATC y DTC. Cuatro características (ATC CAR, ATC CFT, ATC TRI y DTC CFS) demostraron diferencias significativas asociadas con la reversibilidad de la fibrosis por VHC (Fig. 3B). Como se muestra en la figura, la relación de área de colágeno (CAR) es una de las características fundamentales que miden la abundancia de colágeno en el tejido hepático. Desde un punto de vista práctico, la fibrosis agregada basada en el portal con formación de tabiques es el patrón característico de fibrosis en hígados crónicos con VHC; por lo tanto, se esperaba un cambio en ATC CAR. Sin embargo, la fibrosis perisinusoidal y dispersa no suele ser un problema en los casos de VHC, a diferencia de los casos de NAFLD/NASH; por lo tanto, no se anticipó ningún cambio significativo en el DTC. De hecho, ATC CAR mostró una diferencia significativa entre los casos reversibles e irreversibles (p = 0,006) (Fig. 3B), mientras que DTC CAR no (datos no mostrados). Los valores ATC CAR se correlacionan con las puntuaciones de Ishak para los casos reversibles (R = 0,509) e irreversibles (R = 0,654) antes de la RVS (Supp. Fig. 2A,B), mientras que el coeficiente de correlación disminuye para los grupos reversible e irreversible después de la RVS. -SVR (Supl. Fig. 2C,D). Esto indica que ATC CAR tiene valor predictivo en el pronóstico de la reversibilidad de la fibrosis hepática entre los dos grupos de pacientes. El riesgo de irreversibilidad es mayor cuando un paciente tiene más colágeno en el modo agregado, es decir, ATC CAR es mayor.

En las regiones ATC, el grosor de la fibra de colágeno (ATC CFT), una medida de la circunferencia de cada fibra de colágeno, también es mayor en los casos irreversibles que en los reversibles (Fig. 3B) (p = 0,036). Este resultado es consistente con el ATC CAR más alto encontrado en casos irreversibles; es intuitivo que si la fibra de colágeno es más gruesa, tiende a ocupar más área. No observamos ninguna diferencia significativa entre los dos grupos en DTC CAR; sin embargo, notamos que las fibras de colágeno en el modo DTC son más rectas, es decir, la rectitud de las fibras de colágeno DTC (DTC CFS) es mayor, en el grupo VHC irreversible en comparación con el grupo reversible (Fig. 3B) (p = 0,050). En general, la fibra de colágeno más gruesa en la región ATC y el colágeno más recto en el DTC sugieren una menor probabilidad de reversibilidad de la fibrosis. Esta diferencia estructural en estos diferentes modos de colágeno implica que el empaquetamiento de fibras es diferente en casos reversibles e irreversibles.

Una característica significativa extraída del canal TPE entre los dos grupos se muestra en la Fig. 3B. En el área ATC, encontramos que el índice reticular tisular (ATC TRI), una medida de la complejidad estructural del tejido, es significativamente mayor en las muestras del grupo irreversible, lo que sugiere que las estructuras tisulares forman una red más compleja en este grupo. El aumento en ATC CAR está asociado con un ATC TRI más alto, aunque el mecanismo no está claro en este momento. A continuación, exploramos el cambio de estas cuatro características después de la RVS (Fig. 3C). Después de SVR, ATC TRI y DTC CFS pierden su importancia; sin embargo, la diferencia entre ATC CAR y ATC CFT es dramática, es decir, el valor p se reduce aún más. Por ejemplo, el valor p de ATC CAR disminuyó de p = 0,006 a p = 0,001. Concluimos que los grupos reversible e irreversible tienen una diferencia significativa antes de la RVS (Fig. 3B), y sus respuestas en la estructura del colágeno después de la RVS también son distintas (Fig. 3C).

Para comprender mejor los cambios relativos entre los dos grupos de pacientes antes y después de la RVS, presentamos una comparación de nuestros datos en la Fig. 4. Aunque hay algunas diferencias estructurales para el grupo reversible, las diferencias no son estadísticamente significativas excepto por COCHE ATC (Fig. 4A). Las pequeñas diferencias en las cuatro características pre-SVR y post-SVR indican que la fibrosis del grupo reversible mejora ligeramente y no empeora. Los resultados del grupo irreversible pre-SVR y post-SVR se presentan en la figura 4B. La circunferencia de la fibra medida por el ATC CFT muestra una clara tendencia de aumento posterior a la RVS con un claro significado. Otra característica importante para el grupo irreversible es la complejidad estructural medida por el ATC TRI. La disminución de ATC TRI podría estar asociada con el aumento de ATC CFT ya que el colágeno ocupa más área, lo que puede causar una red más simple del tejido celular, o viceversa. Sin embargo, no observamos el mismo resultado en el grupo reversible (Fig. 4A). Se requiere más investigación para establecer los mecanismos fisiológicos detrás de la disminución de ATC TRI y el aumento de ATC CFT para el grupo irreversible.

Los cambios relativos de las características del colágeno en grupos de pacientes reversibles e irreversibles antes y después de la RVS. (A) Las características del paciente reversible mejoraron ligeramente, es decir, se redujeron de la línea azul (pre-SVR) a la línea amarilla (post-SVR), especialmente para ATC CAR, que muestra significación estadística. (B) El perfil del grupo irreversible es notablemente diferente al del grupo reversible. El ATC CFT aumentó y el ATC TRI disminuyó post-SVR con significación estadística. La disminución de ATC TRI está potencialmente asociada con el aumento de ATC CFT ya que el área más grande ocupada por el colágeno podría conducir a una red más simple del tejido celular. (C) Las diferencias absolutas del perfil de los grupos reversible (línea verde) e irreversible (línea roja) pre-SVR y post-SVR. (D) Las diferencias relativas en el porcentaje del perfil de los grupos reversible (línea verde) e irreversible (línea roja) pre-SVR y post-SVR.

Las diferencias absolutas y los cambios relativos en el porcentaje de esas cuatro características antes y después de la RVS se presentan en la Fig. 4C,D. En general, para el grupo reversible, las cuatro características siguen siendo las mismas o mejoran ligeramente, como se muestra en la línea verde en la Fig. 4C,D, en comparación con sus valores de referencia (línea negra), mientras que para el grupo irreversible, el ATC CFT ha aumentado claramente, lo que puede estar asociado con el mecanismo desconocido de reversibilidad de la fibrosis.

Según nuestra cohorte de pacientes y el análisis estructural del colágeno, las cuatro características estructurales cuantitativas del colágeno basadas en imágenes anteriores muestran un valor pronóstico prometedor de la reversibilidad de la fibrosis hepática inducida por el VHC. Es fundamental comprender la dependencia de las características y construir un modelo predictivo optimizado. En el área ATC, hay dos características importantes: la relación de área de colágeno (ATC CAR) y el grosor de la fibra de colágeno (ATC CFT). En general, ATC CAR y ATC CFT más altos indican un mayor riesgo de irreversibilidad incluso después de SVR. Sin embargo, ATC CAR y ATC CFT no son completamente independientes. Como se muestra en Supl. Fig. 3A, la relación lineal entre estas dos características muestra una fuerte correlación como lo indica la línea de puntos negros. El aumento de ATC CFT post-SVR revela que las fibras de colágeno se volvieron más gruesas en el grupo irreversible, mientras que ATC CFT permanece casi igual para el grupo reversible. Esto implica que el patrón de empaquetamiento de colágeno es diferente en los dos grupos. En el área de DTC, la rectitud de la fibra de colágeno (DTC CFS) tiene un valor predictivo significativo para la reversibilidad de la fibrosis. La medición de la complejidad estructural (ATC TRI) extraída en función del canal de excitación de dos fotones (TPE) también es importante, aunque el mecanismo necesita más exploración, y no lo incluimos en nuestro modelo predictivo, aunque vale la pena seguir investigando.

Las tres características del colágeno, es decir, ATC CAR, ATC CFT y DTC CFS, tienen el potencial de construir un modelo predictivo práctico para uso clínico. Con base en nuestros datos hasta el momento, la relación del área de collage agregada y la rectitud de las fibras dispersas (ATC CAR y DTC CFS, respectivamente) forman las dos características de pronóstico seleccionadas con valor predictivo de la reversibilidad de la fibrosis hepática en pacientes con VHC, ya que ambas métricas son significativamente más altas en los pacientes irreversibles. grupo.

Las diferencias estadísticas significativas entre las características seleccionadas de las biopsias previas a la RVS nos permiten crear un prototipo de un modelo predictivo de la reversibilidad de la fibrosis. Dichos modelos predictivos son esenciales para la práctica clínica para estratificar a los pacientes en el sistema de atención médica y seleccionar pacientes candidatos adecuados para ensayos clínicos. Para optimizar la construcción de nuestro modelo predictivo, utilizamos tres métodos diferentes para construir un modelo predictivo clínico para la reversibilidad de la fibrosis hepática inducida por el VHC: (1) modelo bayesiano, (2) máquina de vectores de soporte (SVM) y (3) máquina de vectores de relevancia (RVM). ).

Para optimizar nuestro modelo predictivo, evaluamos diferentes métodos según su rendimiento y el límite de decisión visualizado en el espacio de características 2D. Los modelos basados ​​en los métodos SVM y RVM se presentan en Supp. higos. 4, 5. Aunque el modelo SVM en Supp. La Fig. 5A,C logró el mejor rendimiento, el límite de decisión complicado en el espacio de características 2D puede indicar un problema de sobreajuste debido al número limitado de muestras. El modelo RVM tampoco es ideal debido a su poca especificidad.

El modelo bayesiano óptimo se presenta en la figura 5, que indica que los 57 pacientes se pueden dividir en dos grupos según ATC CAR y DTC CFS. En la Fig. 5A, los puntos verdes representan los casos reversibles y los cuadrados rojos representan los casos irreversibles. El número de pacientes con fibrosis reversible e irreversible en cada grupo también está moderadamente bien equilibrado, es decir, 21 casos reversibles frente a 36 casos irreversibles. En general, un valor ATC CAR mayor y mayor DTC CFS son indicativos de mal pronóstico, mientras que un valor ATC CAR menor y menor DTC CFS son indicativos de buen pronóstico (es decir, fibrosis reversible). El límite de decisión de dos características está representado por la línea continua negra entre los dominios irreversible (gris) y reversible (blanco) en la figura 5A. La figura 5B representa el modelo predictivo bayesiano continuo basado en ATC CAR y DTC CFS. La superficie roja indica los irreversibles mientras que la superficie verde indica los grupos reversibles respectivamente.

Los modelos predictivos bayesianos discretos y continuos para la reversibilidad de la fibrosis hepática inducida por el VHC. (A) El modelo discreto optimizado que utiliza dos características seleccionadas, ATC CAR y DTC CFS, y su distribución en el espacio de características 2D. (B) El modelo continuo optimizado utilizando ATC CAR y DTC CFS y su función de distribución de probabilidad en el espacio de características 2D.

Las métricas de rendimiento del modelo discreto y continuo se presentan en la Tabla 1. Según los modelos discretos y continuos, podemos identificar con éxito ~ 85 % de los casos irreversibles y alrededor del 62 % de los casos reversibles. Las características cuantitativas seleccionadas y el modelo predictivo bayesiano tienen un valor de pronóstico clínico potencialmente alto para la predicción de la reversibilidad de la fibrosis hepática inducida por el VHC.

Ciertamente, se desea un tamaño de muestra más grande de datos de pacientes para validar aún más un modelo predictivo adecuado para la aplicación clínica inmediata, mientras que tales muestras de biopsias hepáticas emparejadas son valiosas y raras. Las características que identificamos muestran resultados prometedores con datos limitados y usamos las características seleccionadas para desarrollar un modelo de prueba de concepto, creando prototipos de tres modelos predictivos diferentes para examinar el valor pronóstico de nuestras características identificadas. Según nuestro análisis, pudimos lograr una sensibilidad de ~85 % al estratificar los casos irreversibles con biopsia hepática previa a la RVS al emplear el modelo predictivo prototipo, como se muestra en la Tabla 1. Sin embargo, el modelo de dos características es menos específico para los pacientes negativos. , es decir, alrededor del 62% de los casos reversibles se detectan con éxito, de acuerdo con la incertidumbre de la evaluación de la patología. La fuerza de la certeza en el modelo predictivo puede informar de manera confiable a los médicos sobre el nivel de vigilancia del paciente requerido y permitir una intervención temprana adecuada, si es necesario, ya que las predicciones se pueden hacer con base en una sola biopsia previa a la RVS. Para los pacientes verdaderamente negativos (grupo reversible), podemos espaciar mucho las visitas de seguimiento. Los casos reversibles identificados con menor confianza pueden estratificarse junto con los casos irreversibles para vigilancia activa utilizando técnicas no invasivas como seguimiento.

En nuestro estudio se han identificado varias vías para futuras investigaciones. La diferencia significativa de ATC CFT entre pre y post-SVR implica que el patrón de empaquetamiento de colágeno también es potencialmente diferente en los dos grupos. Es posible que necesite otra modalidad de imagen, como el microscopio eléctrico (EM), con una resolución más alta para confirmar aún más nuestro descubrimiento, mientras que existen algunos desafíos técnicos para identificar las regiones de las regiones ATC y DTC en las imágenes EM. En el área de collage delgado y disperso (DTC), la rectitud de la fibra de colágeno (DTC CFS) también tiene un valor predictivo significativo para la reversibilidad de la fibrosis. En el futuro, también vale la pena explorar la variación de ADN y ARN entre estos dos grupos de pacientes para comprender su papel en los patrones de agregación de colágeno y la estructura de empaquetamiento del colágeno. La medida de la complejidad estructural (ATC TRI) extraída en función del canal TPE también es importante, pero la causa de la diferencia ATC TRI entre los dos grupos no está clara. Por lo tanto, no incluimos una variable poco clara en nuestro modelo predictivo. Podría estar asociado con el aumento de ATC CFT y el mecanismo de agregación de colágeno. La causalidad y el mecanismo entre la agregación de colágeno y los cambios estructurales del tejido también necesitan una mayor exploración.

Utilizando las biopsias previas a la RVS y la línea de base de la puntuación de fibrosis proporcionada por las biopsias posteriores a la RVS, demostramos que, en principio, es posible desarrollar un modelo predictivo clínico a través de un estudio a mayor escala. Para el grupo reversible, las cuatro características disminuyen ligeramente en la mayoría de los casos después de la RVS. En el grupo irreversible, ATC CFT es notablemente la única característica que aumentó después de la RVS, lo que también podría ser relevante para la disminución de ATC TRI como se discutió anteriormente. Combinado con la diferencia de rectitud en el área DTC, este resultado indica claramente que la estructura del empaquetamiento de fibras de colágeno es potencialmente diferente entre los casos irreversible y reversible; la investigación adicional sobre la disposición y la interacción espaciotemporal de estas diferentes estructuras entre las vías y los tipos de células involucradas puede ser clave para comprender la respuesta regenerativa detrás de la reversibilidad de la fibrosis y potencialmente dar como resultado nuevos objetivos para los tratamientos farmacéuticos. La estructura de empaquetamiento de fibras de colágeno también está potencialmente asociada con el grado de agregación de colágeno. Si bien nuestro objetivo principal era identificar las características de pronóstico basadas en imágenes asociadas con la predicción de la reversibilidad de la fibrosis, nuestros análisis de biopsia posteriores a la RVS también han revelado nuevas vías para la investigación mecánica sobre cómo se revierte la fibrosis. Es de destacar que se identificó otra característica clínica, la edad del paciente, que es la edad del paciente, como se muestra en Supl. Fig. 6. Los pacientes más jóvenes en general tienen menos riesgo de fibrosis irreversible. La fibrosis en pacientes < 30 años tiene una mayor probabilidad de ser reversible, lo que podría deberse a la senescencia celular o a las diferencias metabólicas entre las poblaciones más jóvenes y las de mayor edad.

A pesar de sus inconvenientes, el estándar de oro para evaluar la fibrosis hepática sigue siendo la biopsia hepática. Algunos de los principales inconvenientes de una biopsia en el diagnóstico clínico incluyen su costo y el riesgo potencial de los pacientes. En este sentido, la confluencia de métodos invasivos y no invasivos junto con el campo en desarrollo de la intervención asistida por computadora de imágenes médicas puede ayudar a aliviar los problemas que enfrentan las técnicas de biopsia, como el error de muestreo. Las herramientas no invasivas incluyen métodos serológicos. Existen varios enfoques serológicos con diferentes ventajas y desventajas; estos métodos se emplean principalmente en comunidades y regiones con recursos médicos limitados. La técnica de imagen basada en la elasticidad, como Fibroscan, se ha convertido en una herramienta de evaluación no invasiva eficaz para la fibrosis hepática; sin embargo, los resultados de Fibroscan se ven significativamente afectados por la ingesta de alimentos, la inflamación del hígado, la colestasis intrahepática, la congestión hepática y el hígado graso41. Como tal, la confiabilidad y precisión de este método se reduce para pacientes con obesidad marcada y ascitis. Aunque los métodos serológicos mencionados anteriormente tienen un buen rendimiento en la exclusión y/o identificación de pacientes con fibrosis hepática leve o grave, la precisión de la fibrosis hepática intermedia sigue siendo insatisfactoria, lo que limita su eficacia como prueba independiente. Por lo tanto, si bien una biopsia hepática inicial previa a la RVS puede ser inevitable en algunos casos, una herramienta predictiva confiable que pueda indicar la reversibilidad de la fibrosis basada en una única biopsia anterior a la RVS puede reducir en gran medida la necesidad de una segunda biopsia posterior a la RVS. —especialmente en conjunción con una técnica de muestreo no invasiva adecuada que pueda utilizarse para complementar el modelo predictivo con vigilancia activa.

Si bien la tecnología para técnicas no invasivas se ha vuelto cada vez más efectiva, ninguno de estos enfoques puede obtener la información estructural completa del colágeno a nivel de tejido necesaria para indicar si la fibrosis observada es irreversible o reversible. Dicha información es información sin explotar que los futuros investigadores pueden utilizar para mejorar aún más la detección no invasiva. Nuestro trabajo reveló que la cantidad de componentes ATC es diferente entre pacientes reversibles e irreversibles. La rigidez de los componentes ATC en el hígado es potencialmente más alta que las regiones DTC. Aplicada al entorno clínico, una biopsia precisa tiene el potencial de proporcionar una certeza indicadora de la condición de un paciente si se lograran avances en la mejora de la especificidad. La realidad es que ambas tecnologías pueden beneficiarse del desarrollo dual a través del avance de la otra. En el caso de que las futuras soluciones de escaneo no invasivas tengan una mejor resolución espacial y consistencia para detectar la diferente rigidez de las diferentes partes del hígado, es decir, medir el volumen ATC de una manera no invasiva como descubrimos, será posible explorar su clínica aplicación para predecir el riesgo de reversibilidad utilizando los enfoques de detección no invasivos.

Aunque los hallazgos de este trabajo son prometedores para la estratificación de pacientes irreversibles en el sistema de salud, debemos enfatizar que aún es preliminar y aún no se ha replicado utilizando una cohorte independiente más grande. Deben llevarse a cabo validaciones/ensayos clínicos prospectivos rígidos y bien diseñados para proporcionar la tan necesaria confirmación del rendimiento del modelo antes de su aplicación clínica. A medida que el tiempo mejora o empeora las características asociadas con la fibrosis hepática, la identificación temprana y la estratificación de los pacientes con VHC en fibrosis hepática reversible e irreversible tiene un valor clínico significativo, ya que ambos grupos pueden manejarse, monitorearse y tratarse de manera efectiva para mejorar los resultados clínicos.

La Junta de Revisión Institucional (IRB) del Hospital Popular de la Universidad de Pekín proporcionó la aprobación ética para el uso de material de pacientes (IRB Ref: 2017PHB133-01). Los pacientes crónicos con VHC recibieron tratamiento basado en AAD durante 12 o 24 semanas. Se obtuvo el consentimiento informado por escrito de cada paciente y el estudio se llevó a cabo de acuerdo con las guías aprobadas.

La cohorte del estudio consistió en muestras de hígado pareadas de pacientes con infección crónica por el virus de la hepatitis C, que ingresaron en el Instituto de Hepatología de la Universidad de Pekín, Hospital Popular de la Universidad de Pekín, entre marzo de 2014 y diciembre de 2016. Las características clínicas y patológicas se obtuvieron de los registros médicos de los pacientes. .

Los criterios de inclusión clave fueron los siguientes: edad de 20 a 70 años; infección crónica por hepatitis C con o sin cirrosis; Niveles de ARN-VHC > 10 000 UI/mL al inicio del estudio; recibieron tratamiento antiviral con agentes antivirales de acción directa (AAD) durante 12 o 24 semanas; logró una respuesta virológica sostenida (RVS; denominada cura de la infección por el virus de la hepatitis C) a las 24 semanas de finalizar el tratamiento. Biopsias hepáticas pareadas realizadas tanto al inicio como en la semana 24 después del tratamiento.

Los criterios de exclusión fueron los siguientes: coinfección con el virus de la hepatitis B o el virus de la inmunodeficiencia humana (VIH); la presencia de otras formas de enfermedad hepática crónica (incluida la enfermedad hepática alcohólica); enfermedades hepáticas descompensadas (incluyendo ascitis, sangrado por várices o encefalopatía hepática); alfafetoproteína > 100 ng/mL o índice de depuración de creatinina < 50 ml/min; cualquier tumor maligno; cualquier complicación que cause problemas cardíacos, pulmonares, renales o cerebrales graves; diabetes; sangre u otras enfermedades sistemáticas notables; IMC > 28 kg/m2; enfermedad neurológica o psicológica grave; el embarazo; las mujeres en período de lactancia.

Se obtuvieron muestras archivadas de biopsias de hígado fijadas en formalina e incluidas en parafina (FFPE) de 64 pacientes diagnosticados con infección por VHC en el Instituto de Hepatología del Hospital Popular de la Universidad de Pekín de 2014 a 2016. Las características clinicopatológicas de los pacientes se recopilaron y resumieron en la Tabla 2. Las biopsias centrales tenían al menos 10 mm de longitud y el diámetro era de 0,84 mm. Se prepararon secciones histológicas de 4–5 μm de espesor sin teñir para obtener imágenes de SHG y, posteriormente, se tiñeron con H&E y tricrómico de Masson para la evaluación histológica. Se empleó el sistema de estadificación de Ishak para la fibrosis (puntuación 0: sin fibrosis; 1: expansión fibrosa de algunas áreas portales, con o sin tabiques fibrosos cortos; 2: expansión fibrosa de la mayoría de las áreas portales, con o sin tabiques fibrosos cortos; 3 expansión fibrosa de la mayoría de las áreas portales con puentes ocasionales de portal a portal; 4—expansión fibrosa de las áreas portas con puentes marcados (porta a portal) así como de portal a central; 5—puente marcado con nódulos ocasionales (cirrosis incompleta); y 6—cirrosis, probable o definitivo) 40. Todas las características clínicas y patológicas se obtuvieron de las historias clínicas de los pacientes, las cuales se anonimizaron de forma irreversible antes de acceder a ellas.

Paralelamente a los tratamientos clínicos y la evaluación patológica, las biopsias previas y posteriores a la RVS (después de 12 meses) de 57 sujetos se desparafinaron primero y luego se escanearon con Histoindex Genesis 200. Cada imagen de un paciente determinado consiste en al menos una biopsia completa como se muestra en la Fig. 2A. El Escáner Génesis adquirió la imagen de las fibras de colágeno (con SHG) utilizando el canal verde y la estructura del tejido (con TPE) utilizando el canal rojo, ambos de 8 bits de intensidad con un aumento del objetivo de 20x. La potencia del láser del sistema se fijó en "Alto" y el agrupamiento se fijó en dos fotogramas para reducir el ruido aleatorio. El brillo de cada píxel representa la densidad de colágeno en las fibras. El protocolo de imágenes se mantiene constante a lo largo de nuestro estudio para garantizar una adquisición de imágenes cuantitativa.

Estas imágenes adquiridas se procesaron utilizando nuestra tubería de análisis de imágenes computacional diseñada entre el período de enero de 2018 a diciembre de 2020. Cada imagen anónima de una biopsia determinada se nombró de acuerdo con su identificación patológica anonimizada asociada con características patológicas clínicas. En primer lugar, se aplica el filtro de suavizado gaussiano para preprocesar el canal SHG. Luego se definió una máscara de muestra para cubrir el área ocupada por el tejido hepático. A continuación, la señal de colágeno se extrae de cinco ROI de imágenes aleatorias de cada imagen dada. El valor de la señal en píxeles se usa para construir el modelo de clasificación de la señal de colágeno usando un algoritmo de maximización de expectativas (EM) de la siguiente manera: (i) Se hace una estimación inicial aleatoria de las características del modelo a partir de la distribución "Esperada" (conjunto de datos de entrenamiento), típicamente conocido como E-step; (ii) La distribución de probabilidad del paso E se ajusta para incluir el nuevo conjunto de datos, normalmente conocido como paso M; (iii) Las características estimadas se pueden obtener siempre que la distribución no cambie de E-step a M-step. Se aplicó el modelo de mezcla gaussiana de dos modos (GMM) para determinar si una señal de píxel determinada es positiva para el colágeno. Basado en el modelo GMM, se determinó un valor de umbral optimizado para binarizar la imagen, creando una imagen binaria de colágeno. Se aplicó un esquema similar al canal rojo (TPE) para crear una imagen binaria de tejido.

Las imágenes de muestra de biopsia adquiridas comprendían dos regiones distintivas: (i) Regiones que contienen un compartimento de colágeno altamente concentrado (Fig. 2A, flecha amarilla) y (ii) Regiones que contienen fibra de colágeno distribuida uniformemente y escasamente (Fig. 2A, flecha blanca). En función de la intensidad y la morfología de la señal SHG, se diseñó una nueva canalización de filtrado computacional para categorizar el colágeno en estos dos modos distintos: colágeno grueso agregado (ATC) y colágeno delgado disperso (DTC). Luego se midieron las características de intensidad/área, textura, estructura y distribución de fibras. Cada característica se mide en las regiones de tejido ATC, DTC y "ALL" (la combinación de ATC y DTC). Se proporciona una lista no exhaustiva de características y sus definiciones en Supp. Tabla 1. Las características se clasificaron en las siguientes categorías: textura, espesor, longitud, rectitud y orientación. Una vez extraídas las características de las imágenes, se evaluaron sus relaciones con las características clínico patológicas. Se presentan asociaciones estadísticamente significativas (p < 0,05).

Hay 41 características extraídas de las imágenes de las biopsias de los pacientes y todas las características se dividen en dos grupos, es decir, reversibles e irreversibles, según corresponda. Se realizó la prueba T para encontrar las características más distintivas que pueden diferenciar entre los dos grupos. Se seleccionaron cuatro características que tienen una diferencia significativa (p < 0,05) entre dos grupos de pacientes para una mayor investigación.

Los conjuntos de datos utilizados y/o analizados durante el estudio actual están disponibles del autor correspondiente (WY) a pedido razonable.

Rinella, ME Enfermedad del hígado graso no alcohólico: una revisión sistemática. JAMA 313, 2263–2273. https://doi.org/10.1001/jama.2015.5370 (2015).

Artículo CAS PubMed Google Académico

Rowe, IA Lecciones de la epidemiología: La carga de la enfermedad hepática. Excavar. Dis. 35, 304–309. https://doi.org/10.1159/000456580 (2017).

Artículo PubMed Google Académico

Mendoza, J. et al. Fibrosis hepática en pacientes con hepatitis C crónica evaluada por elastografía transitoria: Implicaciones para determinar la eficacia de la terapia antiviral. Rev. Esp. Enferm. Excavar. 102, 426–434. https://doi.org/10.4321/s1130-01082010000700005 (2010).

Artículo CAS PubMed Google Académico

Miyaki, E. et al. El tratamiento con daclatasvir y asunaprevir mejora las características de la función hepática y reduce los marcadores de fibrosis hepática en pacientes con hepatitis C crónica. Hepatol. Res. 46, 758–764. https://doi.org/10.1111/hepr.12621 (2016).

Artículo CAS PubMed Google Académico

Lawitz, E. et al. Simeprevir más sofosbuvir, con o sin ribavirina, para tratar la infección crónica por el genotipo 1 del virus de la hepatitis C en pacientes que no responden al interferón pegilado y la ribavirina y pacientes sin tratamiento previo: el estudio aleatorizado COSMOS. Lanceta 384, 1756-1765. https://doi.org/10.1016/s0140-6736(14)61036-9 (2014).

Artículo CAS PubMed Google Académico

Bernuth, S. et al. Cambios tempranos en biomarcadores dinámicos de fibrosis hepática en pacientes infectados por el virus de la hepatitis C tratados con sofosbuvir. Excavar. enfermedad del hígado 48, 291–297. https://doi.org/10.1016/j.dld.2015.09.015 (2016).

Artículo CAS PubMed Google Académico

Poynard, T. et al. Impacto del interferón pegilado alfa-2b y la ribavirina en la fibrosis hepática en pacientes con hepatitis C crónica. Gastroenterología 122, 1303–1313. https://doi.org/10.1053/gast.2002.33023 (2002).

Artículo CAS PubMed Google Académico

Huang, Y., Deng, X. & Liang, J. Modulación de células estrelladas hepáticas y reversibilidad de la fibrosis hepática. Exp. Resolución celular 352, 420–426. https://doi.org/10.1016/j.yexcr.2017.02.038 (2017).

Artículo ADS CAS PubMed Google Scholar

Karin, D., Koyama, Y., Brenner, D. & Kisseleva, T. Las características de los fibroblastos/miofibroblastos portales activados en la fibrosis hepática. Diferenciación 92, 84–92. https://doi.org/10.1016/j.diff.2016.07.001 (2016).

Artículo CAS PubMed PubMed Central Google Scholar

Garg, M. et al. Las células progenitoras endoteliales de la médula ósea activan las células estrelladas hepáticas y agravan la fibrosis hepática inducida por tetracloruro de carbono en ratones a través de factores paracrinos. Proliferación celular. 50, 12355. https://doi.org/10.1111/cpr.12355 (2017).

Artículo CAS Google Académico

Yang, YM & Seki, E. TNFα en fibrosis hepática. actual Patobiol. Reps. 3, 253–261. https://doi.org/10.1007/s40139-015-0093-z (2015).

Artículo PubMed PubMed Central Google Académico

Isabel, F. & Caballero-Diaz, D. Transformación de la plasticidad celular inducida por el factor de crecimiento β en la fibrosis hepática y la hepatocarcinogénesis. Frente. oncol. 8, 357. https://doi.org/10.3389/fonc.2018.00357 (2018).

Artículo Google Académico

Fabregat, I. et al. IT-LIVER Consortium TGF-β señalización y enfermedad hepática. FEBRERO J. 283, 2219–2232. https://doi.org/10.1111/febs.13665 (2016).

Artículo CAS PubMed Google Académico

Neuschwander-Tetri, BA et al. Ácido obeticólico del ligando del receptor nuclear farnesoide X para la esteatohepatitis no alcohólica y no cirrótica (FLINT): un ensayo multicéntrico, aleatorizado y controlado con placebo. Lanceta 385, 956–965. https://doi.org/10.1016/s0140-6736(14)61933-4 (2015).

Artículo CAS PubMed Google Académico

Jung-Yeon, K. et al. Efectos antifibróticos del oligodesoxinucleótido sintético para TGF-β1 y Smad en un modelo animal de cirrosis hepática. Ácidos nucleicos. 8, 250–263. https://doi.org/10.1016/j.omtn.2017.06.022 (2017).

Artículo CAS Google Académico

Widjaja, AA et al. La inhibición de la señalización de la interleucina 11 reduce la muerte de hepatocitos y la fibrosis hepática, la inflamación y la esteatosis en modelos de esteatohepatitis no alcohólica en ratones. Gastroenterología 157, 777–792. https://doi.org/10.1053/j.gastro.2019.05.002 (2019).

Artículo CAS PubMed Google Académico

Anissa, AW et al. Las terapias de neutralización de IL-11 se dirigen a la inflamación y fibrosis hepáticas inducidas por células estrelladas hepáticas en NASH. Gastroenterología 157, 777–792. https://doi.org/10.1053/j.gastro.2019.05.002 (2019).

Artículo CAS Google Académico

Ehab, AA et al. La sobreexpresión de OSM e IL-6 afecta la polarización de los macrófagos profibróticos y el desarrollo de fibrosis pulmonar inducida por bleomicina. ciencia Rep. 7, 13281. https://doi.org/10.1038/s41598-017-13511-z (2017).

Artículo CAS Google Académico

Michitaka, M. et al. La oncostatina M provoca fibrosis hepática al regular la cooperación entre las células estrelladas hepáticas y los macrófagos en ratones. Hepatología 67, 1. https://doi.org/10.1002/hep.29421 (2018).

Artículo CAS Google Académico

Jeong, WI, Park, O. & Gao, B. La anulación de los efectos antifibróticos de las células asesinas naturales/interferón-gamma contribuye a la aceleración del alcohol de la fibrosis hepática. Gastroenterología 134, 248–258. https://doi.org/10.1053/j.gastro.2007.09.034 (2008).

Artículo CAS PubMed Google Académico

Meng, X. et al. LECT2, un ligando para Tie1, juega un papel crucial en la fibrogénesis hepática. Celda 178, 1478–1492. https://doi.org/10.1016/j.cell.2019.07.021 (2019).

Artículo CAS Google Académico

Sol, Y. et al. Nueva clasificación de evaluación de biopsia hepática para fibrosis en pacientes con hepatitis B crónica antes y después del tratamiento. Hepatología 65, 1438–1450. https://doi.org/10.1002/hep.29009 (2017).

Artículo CAS PubMed Google Académico

Theise, ND, Jia, J., Sun, Y., Wee, A. & You, H. Progresión y regresión de la fibrosis en la hepatitis viral en la era del tratamiento: la clasificación de Beijing. Modificación. Patol. 31, 1191–1200. https://doi.org/10.1038/s41379-018-0048-0 (2018).

Artículo PubMed Google Académico

Zachary, DG et al. Correlaciones entre el contenido de colágeno morfométrico hepático, la estadificación histológica de la fibrosis y los marcadores séricos en pacientes con fibrosis avanzada debida a esteatohepatitis no alcohólica (EHNA). Hepatología 62(S1), 906A. https://doi.org/10.1002/hep.30664 (2015).

Artículo CAS Google Académico

Gieling, RG, Burt, AD & Mann, DA Reversibilidad de la fibrosis y la cirrosis: mecanismos moleculares. clin. enfermedad del hígado 12(4), 915–937 (2008).

Artículo PubMed Google Académico

Pellicoro, A., Ramachandran, P. & Iredale, JP Reversibilidad de la fibrosis hepática. Reparación de tejidos de fibrogénesis. 5(1), 1–4 (2012).

Google Académico

McKleroy, W., Lee, TH & Atabai, K. Siempre limpia tu desorden: Apuntando a la degradación del colágeno para tratar la fibrosis tisular. Soy. J. Physiol.-Lung Cell. mol. Fisiol. 304(11), L709–L721 (2013).

Artículo CAS PubMed PubMed Central Google Scholar

Liu, X., Xu, J., Brenner, DA y Kisseleva, T. Reversibilidad de la fibrosis hepática e inactivación de miofibroblastos fibrogénicos. actual Patobiol. Rep. 1, 209–214 (2013).

Artículo PubMed PubMed Central Google Académico

Xu, S. et al. qFibrosis: un método innovador totalmente cuantitativo que incorpora características histológicas para facilitar la puntuación precisa de la fibrosis en modelos animales y pacientes con hepatitis B crónica. J. Hepatol. 61, 260–269. https://doi.org/10.1016/j.jhep.2014.02.015 (2014).

Artículo PubMed PubMed Central Google Académico

Asselah, T., Marcellin, P. y Bedossa, P. Mejora del rendimiento de la biopsia hepática en la evaluación de la fibrosis. J. Hepatol. 61, 193–195 (2014).

Artículo PubMed Google Académico

Wang, TH, Chen, TC, Teng, X., Liang, KH y Yeh, CT Evaluación morfológica bifásica automatizada de la fibrosis hepática relacionada con la hepatitis B mediante microscopía de segunda generación armónica. ciencia Rep. 5, 12962. https://doi.org/10.1038/srep12962 (2015).

Artículo ADS CAS PubMed PubMed Central Google Scholar

Liu, F. et al. Evaluación automatizada de la fibrosis hepática en tioacetamida, tetracloruro de carbono y ligadura de conductos biliares en modelos de roedores mediante microscopía de fluorescencia excitada con dos fotones/generación de segundo armónico. Investigación de laboratorio 97, 84–92. https://doi.org/10.1038/labinvest.2016.128 (2017).

Artículo CAS PubMed Google Académico

Rao, H. et al. Puntuación de colágeno por qFibrosis en biopsias hepáticas pareadas de pacientes con hepatitis C crónica antes y después del tratamiento. Hepatología 62(S1), 910A-911A (2015).

Google Académico

Psilodimitrakopoulos, S., Filippidis, G., Kouloumentas, C., Alexandratou, E. & Yova, D. Combinación de fluorescencia excitada de dos fotones y microscopía de imágenes de segunda generación armónica de estructuras de colágeno. Microscopio multifotónico. biomedicina ciencia VI. 6089, 291–299 (2006).

ANUNCIOS Google Académico

Dolman, GE et al. Microscopía de colágeno de segunda generación armónica y evaluación de la fibrosis hepática en la infección crónica por hepatitis C (CHC). Tripa 61 (S2), A134–A134 (2012).

Google Académico

Hsiao, CY et al. Evaluación cuantitativa mejorada de la fibrosis hepática asociada al VHB mediante microscopía de segunda generación armónica con selección de características. clin. Res. Hepatol. Gastroenterol. 44(1), 12–20 (2020).

Artículo PubMed Google Académico

Goodman, ZD et al. Evaluación morfométrica del colágeno cuantitativo y la fibrosis hepática en pacientes con Hepatitis B Crónica (HCB) tratados hasta por cinco años con Tenofovir Disoproxil Fumarato (TDF). Hepatología 58(S1), 596A (2013).

Google Académico

Duchatelle, V. et al. Cambios en la fibrosis hepática al final de la terapia con interferón alfa y de 6 a 18 meses después en pacientes con hepatitis C crónica: Evaluación cuantitativa por un método morfométrico. J. Hepatol. 29, 20–28. https://doi.org/10.1016/s0168-8278(98)80174-8 (1998).

Artículo CAS PubMed Google Académico

Gole, L. et al. Las imágenes cuantitativas sin manchas y los perfiles digitales de la estructura del colágeno revelan una supervivencia diversa de pacientes con cáncer de mama triple negativo. Res. de cáncer de mama. 22, 42. https://doi.org/10.1186/s13058-020-01282-x (2020).

Artículo CAS PubMed PubMed Central Google Scholar

Ishak, K. et al. Graduación histológica y estadificación de la hepatitis crónica. J. Hepatol. 22, 696–699. https://doi.org/10.1016/0168-8278(95)80226-6 (1995).

Artículo CAS PubMed Google Académico

Afdhal, NH Fibroscan (elastografía transitoria) para la medición de la fibrosis hepática. Gastroenterol. Hepatol. 8(9), 605 (2012).

Google Académico

Descargar referencias

Esta investigación fue financiada conjuntamente por el Proyecto No. 1610500026 del 12º Programa de Investigación Conjunta Singapur-China (SG-CN JRP) otorgado al Prof. Lai WEI y al Dr. Yu Weimiao, Programa de Cooperación Internacional en Ciencia y Tecnología China-Singapur (2016YFE0116800), subvenciones de el Proyecto Principal de Ciencia y Tecnología Nacional de China para el Control de Enfermedades Infecciosas durante el Período del Plan Quinquenal 13 (2017ZX10202202, 2018ZX09201002-001-005), la Fundación Nacional de Ciencias Naturales de China (NSFC) (81870406, 81870407) y la Fundación de Ciencias Naturales de Beijing (7182174). Este proyecto cuenta con el apoyo conjunto de la financiación de investigación A*STAR BII y la subvención de investigación aplicada y traslacional (ATR) de BMRC otorgada al Dr. Yu Weimiao en 2021.

Estos autores contribuyeron por igual: Laurent Gole, Feng Liu y Kok Haur Ong.

Instituto de Biología Molecular y Celular, A*STAR, 61 Biopolis Drive, Proteos Building, Singapur, 138673, Singapur

Laurent Gole, Kok Haur Ong, Longjie Li, Hao Han, David Young, Gabriel Pik Liang Marini y Weimiao Yu

Hospital Popular de la Universidad de Pekín, Instituto de Hepatología de la Universidad de Pekín, Laboratorio Clave de Hepatitis C e Inmunoterapia para Enfermedades Hepáticas de Pekín, No. 11, Xi Zhimen South Street, Pekín, 100044, República Popular de China

Feng Liu, Huiying Rao y Lai Wei

Departamento de Patología, Escuela de Medicina Yong Loo Lin, Universidad Nacional de Singapur, Hospital Universitario Nacional, Singapur, Singapur

camino de aileen

Departamento de Patología, Quinto Centro Médico del Hospital General PLA, Beijing, 100039, China

Jing Min Zhao

Departamento del Centro Hepatobiliar y Pancreático, Hospital Tsinghua Changgung de Beijing, Facultad de Medicina Clínica, Universidad de Tsinghua, Beijing, 102218, China

Lai Wei

Instituto de Bioinformática, A*STAR, Singapur, Singapur

Kok Haur Ong, Longjie Li, Gabriel Pik Liang Marini y Weimiao Yu

También puede buscar este autor en PubMed Google Scholar

También puede buscar este autor en PubMed Google Scholar

También puede buscar este autor en PubMed Google Scholar

También puede buscar este autor en PubMed Google Scholar

También puede buscar este autor en PubMed Google Scholar

También puede buscar este autor en PubMed Google Scholar

También puede buscar este autor en PubMed Google Scholar

También puede buscar este autor en PubMed Google Scholar

También puede buscar este autor en PubMed Google Scholar

También puede buscar este autor en PubMed Google Scholar

También puede buscar este autor en PubMed Google Scholar

También puede buscar este autor en PubMed Google Scholar

FL, HR y LW organizaron la cohorte de pacientes y prepararon muestras de tejido; LG, KO, WY diseñó e implementó los algoritmos y el software de procesamiento de imágenes de colágeno; AW y JZ proporcionaron datos de diagnóstico de patología. KO, LG, WY, LL, DY y GM contribuyeron a la revisión del manuscrito, la figura y el diseño gráfico. HH, LL y LG realizaron el análisis estadístico. HR, WY y LW diseñaron el experimento. Todos los autores contribuyeron a la preparación y revisión del manuscrito. Todos los autores de este trabajo acordaron publicar con Scientific Reports una vez aceptado.

Correspondencia con Huiying Rao, Weimiao Yu o Lai Wei.

Los autores declaran no tener conflictos de intereses.

Springer Nature se mantiene neutral con respecto a los reclamos jurisdiccionales en mapas publicados y afiliaciones institucionales.

Acceso abierto Este artículo tiene una licencia internacional Creative Commons Attribution 4.0, que permite el uso, el intercambio, la adaptación, la distribución y la reproducción en cualquier medio o formato, siempre que se otorgue el crédito correspondiente al autor o autores originales y a la fuente. proporcionar un enlace a la licencia Creative Commons e indicar si se realizaron cambios. Las imágenes u otro material de terceros en este artículo están incluidos en la licencia Creative Commons del artículo, a menos que se indique lo contrario en una línea de crédito al material. Si el material no está incluido en la licencia Creative Commons del artículo y su uso previsto no está permitido por la regulación legal o excede el uso permitido, deberá obtener el permiso directamente del titular de los derechos de autor. Para ver una copia de esta licencia, visite http://creativecommons.org/licenses/by/4.0/.

Reimpresiones y permisos

Gole, L., Liu, F., Ong, KH et al. Las características estructurales del colágeno basadas en imágenes cuantitativas predicen la reversibilidad de la fibrosis hepática inducida por el virus de la hepatitis C después de las terapias antivirales. Informe científico 13, 6384 (2023). https://doi.org/10.1038/s41598-023-33567-4

Descargar cita

Recibido: 13 Octubre 2022

Aceptado: 14 abril 2023

Publicado: 19 abril 2023

DOI: https://doi.org/10.1038/s41598-023-33567-4

Cualquier persona con la que compartas el siguiente enlace podrá leer este contenido:

Lo sentimos, un enlace para compartir no está disponible actualmente para este artículo.

Proporcionado por la iniciativa de intercambio de contenido Springer Nature SharedIt

Al enviar un comentario, acepta cumplir con nuestros Términos y Pautas de la comunidad. Si encuentra algo abusivo o que no cumple con nuestros términos o pautas, márquelo como inapropiado.