人工智能识别泽布拉样小体（ZEBRA）：用于法布里肾病的计算工具

为何微小的肾脏改变至关重要

法布里病是一种罕见的遗传性疾病，会在体内许多器官中逐步造成损害，肾脏尤其易受影响。及早治疗可以防止严重后果，但肾组织中的最初警示信号常常非常细微，即便是专家也容易忽略。本研究介绍了一种新的人工智能（AI）工具，称为 ZEBRA，它扫描肾活检的数字图像，帮助医生更可靠、更迅速地发现这些早期改变。

一种悄然起始的罕见疾病

在法布里病中，缺失或异常的酶导致脂质分子在全身细胞内积聚，包括肾脏中的微小滤过单元。这些滤过单元包含一种称为足细胞（podocytes）的专门细胞，负责帮助清除血液。当这些细胞负荷过重时，其细胞内部在显微镜下呈现肿胀和“泡沫状”的外观。这种泡沫状外观是肾脏受累的少数早期线索之一，尤其在女性和病情较轻、发病较晚的患者中明显。然而，其他病变也可出现类似的泡沫状改变，而金标准的确证方法——电子显微镜检查——并非总是可得。因此，法布里肾脏受累可能被忽视，导致诊断和治疗延误。

将玻片转换为数字线索

为了解决这一问题，来自多家意大利中心的研究人员收集了 37 例经基因学确诊的法布里肾病患者以及 40 例其他肾病患者的肾活检样本。玻片被扫描生成高分辨率数字图像。肾脏病理学专家随后仔细标注了每个肾小球（肾脏中的微小滤过单元）并勾画出单个泡沫状足细胞。研究团队以这些详尽标注为参考，训练了两类 AI 模型：一类“分类”模型用于判断某个肾小球是否含有泡沫状足细胞，另一类“分割”模型用于精确描绘这些异常细胞在每个肾小球内的位置。

教会计算机看见专家所见

表现最好的分类模型称为 EfficientNetB2，能在大约五分之四的情况下正确标注含或不含泡沫状足细胞的肾小球。重要的是，在独立测试集的患者层面，该模型检测出所有法布里病例，尽管有时会将非法布里疾病的肾小球误判为可疑。这使其作为高敏感度筛查工具特别有用，可提醒病理学家对值得进一步关注的病例进行复核。基于现代 transformer 架构的分割模型（SegFormerB4）在描绘精确边界方面略显不足，但在识别是否存在泡沫状足细胞方面灵敏度很高。两种模型共同构成了 ZEBRA 流水线，并以免费软件形式发布，能够插入常用的数字病理平台中使用。

从像素到一个简单的风险评分

研究人员利用分割结果创建了一个新的数值指标，称为 ZEBRA 评分。对于每个肾小球，软件计算由泡沫状足细胞占据的面积比例，然后对每位患者进行汇总。当将法布里肾病患者与其他肾病患者比较时，ZEBRA 评分能清晰地区分两组，几乎没有重叠。提出的阈值可在高敏感度和良好特异性下将法布里与非法布里病例区分开来。该评分还与病理学家手工分级显示出合理一致性，并在一定程度上与肾功能及尿蛋白漏出相关联，即使在实验室检查仍相对正常的患者中亦然。

这对患者和护理团队意味着什么

这项工作表明，AI 可以成为常规肾活检玻片上的一双高度专注的“额外之眼”，帮助病理学家注意到可能被忽视的模式。尽管 ZEBRA 评分并不旨在取代基因检测或专家判断，但它可以标记高风险病例、促使进一步检测并支持不同医院之间更一致的报告。随着更大规模的研究和长期随访，这一数字工具最终可能不仅帮助医生更早诊断法布里病，还能用于监测治疗对肾脏的保护效果随时间的变化。

引用: Cazzaniga, G., Carbone, M., Barretta, R. et al. Zebra bodies recognition by artificial intelligence (ZEBRA): a computational tool for Fabry nephropathy. Sci Rep 16, 5072 (2026). https://doi.org/10.1038/s41598-026-35466-w

关键词: 法布里病, 肾活检, 数字病理学, 人工智能, ZEBRA 评分