肾脏微血管与间质微环境相互作用的计算病理学分析及其临床意义

作者及发表信息
本研究由Yijiang Chen（埃默里大学）、Bangchen Wang（凯斯西储大学）、Dawit Demeke（密歇根大学）等来自15所机构的学者合作完成，通讯作者为Anant Madabhushi（埃默里大学）。论文于2025年2月发表于*CJASN*（Clinical Journal of the American Society of Nephrology），标题为《Interplay Between Kidney Microvasculature and Interstitial Microenvironment》，开放获取许可为CC BY-NC-ND 4.0。

学术背景

研究领域：慢性肾脏病（CKD）进展的病理机制，聚焦肾小管周围毛细血管（Peritubular Capillaries, PTCs）与间质纤维化/小管萎缩（Interstitial Fibrosis and Tubular Atrophy, IFTA）的空间交互作用。
科学问题：既往研究证实PTCs密度减少和IFTA独立预测CKD进展，但二者间的形态学与空间架构关联尚未明确。本研究通过计算病理学（Computational Pathology）挖掘新型数字生物标志物（Digital Biomarkers），揭示PTCs与IFTA微环境的动态调控机制。
研究目标：
1. 量化PTCs在IFTA与非IFTA区域的形态（如形状、面积）和空间分布特征（如密度、拓扑结构）；
2. 评估这些特征对疾病进展的独立预测价值；
3. 探索PTCs与IFTA的因果交互关系。

研究方法与流程

1. 队列构建与数据预处理
- 样本来源：纳入NEPTUNE/CureGN联盟的344例患者，包括微小病变病（MCD, 112例）、局灶节段性肾小球硬化（FSGS, 134例）、膜性肾病（61例）和IgA肾病（37例）。
- 质量控制：使用HistoQC软件对PAS染色全切片图像（Whole-Slide Image, WSI）进行标准化筛选，排除技术异常样本。
- 数据集划分：通过CohortFinder按1:1比例划分训练集（St）与验证集（Sv），平衡疾病类型和随访时间。

2. 组织区域标注与PTCs分割
- 人工标注：病理学家手动勾画肾皮质（Cortex）、早期IFTA（Pre-IFTA）和成熟IFTA（Mature IFTA）区域，并通过QuPath软件验证一致性（图1）。
- 深度学习分割：采用已验证的深度学习模型（Chen et al., 2023）自动分割PTCs，并计算间质分数空间（Interstitial Fractional Space, IFS）的PTC密度。

3. 特征提取与量化
- 230维病理组学特征：
- 空间架构特征（130维）：Voronoi图、Delaunay三角剖分、最小生成树（Minimum Spanning Tree）等拓扑指标；
- 形态特征（100维）：PTC面积、周长、长宽比（Aspect Ratio）、傅里叶描述子（Fourier Descriptors）等（图2）。
- 区域分层：从整体皮质、Pre-IFTA、Mature IFTA、非IFTA区域分别提取特征，共生成1150维特征矩阵。

4. 统计分析模型
- 单变量分析：Cox比例风险模型评估IFTA密度、IFS-PTC密度与疾病进展（40% eGFR下降或肾衰竭）的关联。
- 多特征模型：
- LASSO回归：筛选最具预测力的PTC特征（如IFTA区域的形状特征、非IFTA区域的空间架构特征）；
- 机器学习模型：构建联合风险评分（Risk Score），并在独立验证集中测试性能。

主要结果

1. IFTA与PTC密度的预后价值
- IFTA密度：成熟IFTA（HR=2.08, p=0.01）和联合IFTA（HR=2.39, p=0.004）显著预测疾病进展，而早期IFTA无统计学意义（图4）。
- IFS-PTC密度：与预后负相关（HR=2.10, p=0.02），但调整IFTA后显著性减弱，提示IFTA可能介导PTC密度效应。

2. PTC形态的区域差异
- 尺寸压缩：IFTA区域PTC的平均面积（54.5 μm²）显著小于非IFTA区域（69.6 μm², p<0.001），且形状变异度更低（SD面积：57.2 vs. 86.9 μm²），表明纤维化导致PTC结构均质化（图5）。

3. 机器学习风险模型
- 最优特征组合：联合IFTA区域的形状特征（如傅里叶描述子变异度）与非IFTA区域的空间异质性特征（如Voronoi图面积离散度）构建的模型（Mopt）在验证集中显著预测预后（HR=3.47, p<0.001）（图6）。
- 临床解读：
- 高风险患者：IFTA内PTC形状高度均一（压缩变形），非IFTA区PTC空间分布紊乱；
- 低风险患者：IFTA内PTC形态多样，非IFTA区分布均匀（图3）。

结论与价值

科学意义：
1. 首次揭示IFTA通过“形态压缩”和“空间重构”双向调控PTCs功能，提出“缺血-纤维化”正反馈循环假说；
2. 开发基于PTC病理组学的数字标志物，突破传统IFTA定量依赖人工评分的局限。

临床价值：
- 风险分层：联合PTC形态与空间特征可优化CKD进展预测；
- 治疗靶点：提示改善PTC血流动力学或阻断纤维化信号通路可能延缓CKD进展。

研究亮点

1. 方法创新：融合深度学习分割与拓扑数学（如Voronoi图）量化PTC微结构，为肾脏病理学提供新分析范式；
   
2. 跨区域交互：首次证实非IFTA区域的PTC空间异质性独立于IFTA含量预测预后；
   
3. 临床转化潜力：风险模型可整合至数字病理系统，辅助活检评估。
   

局限性：IFTA边界标注存在主观性，需开发自动化分割算法；队列以蛋白尿患者为主，结论推广至其他CKD亚型需进一步验证。

（注：文中涉及的算法与数据可通过NEPTUNE/CureGN数据库申请获取，DOI: 10.2215/CJN.0000000597）