Accès ouvert déclaré 2026 article

Incorporating Pathomics Into IgAN Risk Prediction

David L. Hölscher, Sean J. Barbour, Rosanna Coppo, Lee Er, Roman D. Bülow, Martin Strauch, Vladimir Tesar, Jonathan Barratt, Ian S.D. Roberts, Peter Boor, M.L. Russo, S. Troyanov, H.T. Cook, I.S.D. Roberts, V. Tesar, D. Maixnerova, S. Lundberg, L. Gesualdo, F. Emma, F. Diomedi, G. Beltrame, C. Rollino, A. Amore, R. Camilla, L. Peruzzi, M. Praga, S. Feriozzi, R. Polci, G. Segoloni, L. Colla, A. Pani, D. Piras, A. Angioi, G. Cancarini, S. Ravera, M. Durlik, E. Moggia, J. Ballarin, S. Di Giulio, F. Pugliese, I. Serriello, Y. Caliskan, M. Sever, I. Kilicaslan, F. Locatelli, L. Del Vecchio, J.F.M. Wetzels, H. Peters, U. Berg, F. Carvalho, A.C. da Costa Ferreira, M. Maggio, A. Wiecek, M. Ots-Rosenberg, R. Magistroni, R. Topaloglu, Y. Bilginer, M. D’Amico, M. Stangou, F. Giacchino, D. Goumenos, P. Kalliakmani, M. Papasotiriou, K. Galesic, C. Geddes, K. Siamopoulos, O. Balafa, M. Galliani, P. Stratta, M. Quaglia, R. Bergia, R. Cravero, M. Salvadori, L. Cirami, B. Fellstrom, H. Kloster Smerud, F. Ferrario, T. Stellato, J. Egido, C. Martin, J. Floege, F. Eitner, A. Lupo, P. Bernich, P. Menè, M. Morosetti, C. van Kooten, T. Rabelink, M.E.J. Reinders, J.M. Boria Grinyo, S. Cusinato, L. Benozzi, S. Savoldi, C. Licata, M. Mizerska-Wasiak, G. Martina, A. Messuerotti, A. Dal Canton, C. Esposito, C. Migotto, G. Triolo, F. Mariano, C. Pozzi, R. Boero, S. Bellur, G. Mazzucco, C. Giannakakis, E. Honsova, B. Sundelin, A.M. Di Palma, E. Gutiérrez, A.M. Asunis, J. Barratt, R. Tardanico, A. Perkowska-Ptasinska, J. Arce Terroba, M. Fortunato, A. Pantzaki, Y. Ozluk, E. Steenbergen, M. Soderberg, Z. Riispere, L. Furci, D. Orhan, D. Kipgen, D. Casartelli, D. Galesic Ljubanovic, H. Gakiopoulou, E. Bertoni, P. Cannata Ortiz, H. Karkoszka, H.J. Groene, A. Stoppacciaro, I. Bajema, J. Bruijn, X. Fulladosa Oliveras, J. Maldyk, E. Ioachim, N. Bavbek, T. Cook, C. Alpers, F. Berthoux, S. Bonsib, V. D’Agati, G. D’Amico, S. Emancipator, F. Emmal, F. Fervenza, S. Florquin, A. Fogo, M. Haas, P. Hill, R. Hogg, S. Hsu, T. Hunley, Hladunewich, C. Jennette, K. Joh, B. Julian, T. Kawamura, F. Lai, C. Leung, L. Li, P. Li, Z. Liu, A. Massat, B. Mackinnon, S. Mezzano, F. Schena, Y. Tomino, P. Walker, H. Wang, J. Weening, N. Yoshikawa, Caihong Zeng, Sufang Shi, C. Nogi, H. Suzuki, K. Koike, K. Hirano, T. Yokoo, M. Hanai, K. FUKAMI, K. Takahashi, Y. Yuzawa, M. Niwa, Y. Yasuda, S. Maruyama, D. Ichikawa, T. Suzuki, S. Shirai, A. Fukuda, S. Fujimoto, H. Trimarchi

0Citations signalées, ce qui n’est pas une note de qualité

13Institutions déclarées

5Pays d’affiliation déclarés

Rattachement africain : de, ca, it, cz, gb. Niveau de preuve : code pays fourni par la source.

Le résumé fourni par la source

Introduction: IgA nephropathy (IgAN) is the most common glomerulonephritis worldwide, with heterogeneous progression rates. The International IgAN Prediction Tool (IIgAN-PT) enables individualized risk prediction using clinical characteristics and histopathological scoring. However, traditional histopathological scoring is semiquantitative and prone to interobserver variability. Deep learning-based, automated quantification of digitized histopathology enables the extraction of quantitative morphological biomarkers (pathomics). Here, we evaluated the added prognostic value of pathomics over traditional histopathology and its potential integration into the IIgAN-PT. Methods: We analyzed a multicenter European cohort of 555 adults with biopsy-proven IgAN (VALIGA), including centralized histopathology assessment. We assessed the potential of 25 clinically interpretable candidate pathomics predictors across 2 clinically relevant settings by (i) comparing pathomics with traditional histopathology (MEST-C [mesangial hypercellularity (M), endocapillary hypercellularity (E), segmental glomerulosclerosis (S), tubular atrophy and/or interstitial fibrosis (T) and crescents (C)]) and (ii) extending the IIgAN-PT with pathomics. Model performance was evaluated by overall fit, discrimination, reclassification, and calibration. Results: In a direct comparison, pathomics slightly outperformed the MEST-C score when used alone (Δ C-statistic 0.04 (95% confidence interval [CI]: 0.03-0.06)) but was marginally worse after adjusting for clinical predictors (Δ C-statistic -0.034 [95% CI: -0.042 to -0.027]). Patient stratification into clinical risk groups was consistent between models. Combining pathomics and traditional histopathology led to minor improvements over the current IIgAN-PT (without ethnicity, Δ C-statistic 0.024 [95% CI: 0.019-0.028]). Pathomics variables captured chronic morphological changes including glomerular deformation, tubular shrinkage, and arterial luminal narrowing. Conclusion: Our findings indicate that pathomics-derived digital tissue biomarkers provide an additional layer of information and are noninferior to MEST-C, supporting more standardized, robust, and reproducible risk stratification in IgAN.

Ce résumé expose les affirmations des auteurs. BNTIC ne l’interprète pas comme une validation indépendante des résultats.

Le contrôle bibliographique ouvert

DOI retrouvé dans Crossref DOI retrouvé ; titre concordant.

Titre Crossref: Incorporating Pathomics Into IgAN Risk Prediction
Date Crossref: 01/10/2026
Éditeur: Elsevier BV
Type: journal-article

Ce recoupement confirme des métadonnées liées au DOI. Il ne confirme ni la méthode ni les conclusions de l’étude, et il ne compte pas comme une seconde source scientifique indépendante.

Où se fait cette recherche

Universitätsklinikum Aachen pays non établi dans la notice
Établissement de santé
RWTH Aachen University Department of Nephrology and Immunology pays non établi dans la notice
Université ou école supérieure
University of British Columbia Division of Nephrology pays non établi dans la notice
Université ou école supérieure
BC Renal pays non établi dans la notice
Organisme public
Fondazione Ricerca Molinette pays non établi dans la notice
Organisation à but non lucratif
Ospedale Regina Margherita pays non établi dans la notice
Établissement de santé
Charles University Department of Nephrology pays non établi dans la notice
Université ou école supérieure
General University Hospital in Prague pays non établi dans la notice
Organisme public
University of Leicester Department of Cardiovascular Sciences pays non établi dans la notice
Université ou école supérieure
Leicester General Hospital pays non établi dans la notice
Établissement de santé
University Hospitals of Leicester NHS Trust pays non établi dans la notice
Établissement de santé
Oxford Health NHS Foundation Trust pays non établi dans la notice
Établissement de santé

Universitätsklinikum Aachen, Department of Nephrology and Immunology — RWTH Aachen University et Division of Nephrology — University of British Columbia, avec 9 autres affiliations.

Une affiliation ne permet pas de déduire la nationalité d’un auteur.

Les sujets associés

Renal Diseases and GlomerulopathiesSingle-cell and spatial transcriptomicsChronic Kidney Disease and Diabetes

Lire en accès ouvert Consulter la publication primaire Ouvrir le DOI