NeuralCipher Araştırma özeti
Kaynak özetin Türkçe makine çevirisi. Klinik kullanım öncesinde özgün yayınla karşılaştırılmalı; hekim incelemesi değildir. cc by
Hayvan modellerinin substantia nigra pars compakta (SNc) daki dopaminerjik nöronların nicelenmesi, Parkinson hastalığının (PD) patogenezini anlamak için önemlidir. Bununla birlikte, geleneksel manuel hücre sayma yöntemi zaman ve çaba gerektirir ve inter- ve intra-deneyci değişkenlik nedeniyle sınırlı tekrarlanabilirliğe sahiptir. Burada, ticari olarak temin edilebilen bir konvolutional nöral ağ tabanlı yapay zeka (AI) sayma yönteminin (TruAI, OLYMPUS, Tokyo, Japonya) fare, marmoset ve insan SNC örneklerinde geleneksel manuel sayma ile karşılaştırıldığında TH-pozitif dopaminerjik nöronların sağlam ve tekrarlanabilir nicelleşmesini sağladığını gösteriyoruz. AI tabanlı sayma, fare, marmoset ve insan örnekleri arasında manuel sayma ile güçlü bir korelasyon gösterdi. Fare ve marmoset örneklerinde AI tabanlı ve manuel sayma arasında iyi bir anlaşma gözlendi ve bu yaklaşımın dopaminerjik nöronların çapraz tür niceliği için uygulanabilirliğini destekledi. Alfa-syn preforme fibrilleri (PFF'ler) ile tedavi edilen fare modelinde, AI tabanlı sayma, uzman manuel sayma ile tutarlı TH-pozitif nöronlarda önemli bir azalma tespit etti. Uzman olmayanlar, bir uzmana göre daha fazla muayene içi değişkenlik sergilediler ve bu da manuel saymanın güvenilirliğinin deneyime bağlı olduğunu gösterdi. Genel olarak, AI tabanlı niceleme, TH-pozitif hücre sayımı için sağlam ve objektif bir yaklaşım sağlar ve özellikle uzman olmayan kullanıcılar ve PD'nin çapraz tür çalışmaları için dopaminerjik nöron analizinde tekrarlanabilirliği artırabilir.
Özgün kaynak özetini okuyun
Quantification of dopaminergic neurons in the substantia nigra pars compacta (SNc) of animal models is important for understanding the pathogenesis of Parkinson's disease (PD). However, conventional manual cell counting method requires the time and effort, and has limited reproducibility due to inter- and intra-examiner variability. Here, we demonstrate that a commercially available convolutional neural network-based artificial intelligence (AI) counting method (TruAI, OLYMPUS, Tokyo, Japan) enables robust and reproducible quantification of TH-positive dopaminergic neurons in mouse, marmoset, and human SNc samples when compared with conventional manual counting. AI-based counting showed a strong correlation with manual counting across mouse, marmoset, and human samples. Good agreement between AI-based and manual counting was observed in mouse and marmoset samples, supporting the applicability of this approach for cross-species quantification of dopaminergic neurons. In the mouse model treated with α-syn preformed fibrils (PFFs), AI-based counting detected a significant reduction in TH-positive neurons consistent with expert manual counting. Non-experts exhibited greater intra-examiner variability than an expert, indicating that the reliability of manual counting depends on experience. Overall, AI-based quantification provides a robust and objective approach for TH-positive cell counting and may improve reproducibility in dopaminergic neuron analysis, particularly for non-expert users and cross-species studies of PD.
Bilimsel değerlendirme
Araştırma sorusu
Sorunun kapsamı orijinal çalışma üzerinden değerlendirilir.
Yöntem ve örneklem
Çalışma tasarımı ve örneklem için kaynak makaleyi kontrol edin.
Temel bulgular
Bu kayıt için editoryal olarak onaylanmış bulgu özeti henüz yayımlanmadı.
Sınırlılıklar
Sonuçların genellenebilirliği, yanlılık ve klinik anlamı ayrıca incelenmelidir.
Bibliyografik veriden yöntem, örneklem veya klinik sonuç çıkarımı yapılmaz.