Uit de PATHSAI-studie blijkt dat een AI-model de focusscore bij de ziekte van Sjögren kan classificeren op basis van gedigitaliseerde speekselklierbiopten. De resultaten tonen ook een nieuw patroon van acinaire infiltratie van CD8+ T-cellen, dat is geassocieerd met de diagnose ziekte van Sjögren.
In deze retrospectieve cohortstudie werden biopten uit 6 centra (3 in het VK en 1 in Griekenland, Portugal en Frankrijk) van het Europese H2020 NECESSITY-consortium geïncludeerd. Er werden 3 groepen meegenomen: deelnemers met sicca maar zonder de ziekte van Sjögren, patiënten met de ziekte van Sjögren en een focusscore ≥ 1, en patiënten met de ziekte van Sjögren en een focusscore < 1. Een deep learning-model werd getraind op de gedigitaliseerde biopten uit 5 centra en gevalideerd op die uit het 6e centrum. De primaire uitkomstmaat was de AUROC om de focusscore en de ziekte van Sjögren te classificeren.
Het onderzoek werd uitgevoerd tussen oktober 2021 en september 2024 en omvatte 545 deelnemers met een gemiddelde leeftijd van 54,2 jaar (SD 13,5 jaar); 90% was vrouw. Na externe validatie had het model een AUROC van 0,88 (95%-BI 0,82-0,94) voor classicifactie van de focusscore en een AUROC van 0,89 (95%-BI 0,82-0,94) voor classificatie van de ziekte van Sjögren. Voor classificatie van de ziekte van Sjögren bij patiënten die anti-SSA-negatief waren was de AUROC 0,92 (95%-BI 0,87-1,00). Van de histologische patronen die door het model werden geïdentificeerd, was een nieuw patroon van CD8+ T-cellen rond acinaire epitheelcellen geassocieerd met de diagnose ziekte van Sjögren.
Bron:
Duquesne J, Basseto L, Claye C, et al. Machine learning to classify the focus score and Sjögren’s disease using digitalised salivary gland biopsies: a retrospective cohort study. Lancet Rheumatol. 2025;7:e864-72.