이 쿠키는 웹사이트가 정상적으로 작동하는 데 필요하며 시스템에서 꺼질 수 없습니다. 주로 사용자가 요청한 서비스(개인정보 설정, 로그인, 양식 작성 등)를 제공하기 위해 설정됩니다. 브라우저에서 이 쿠키를 차단하거나 알림을 받을 수 있도록 설정할 수 있지만, 이 경우 사이트 일부 기능이 정상적으로 작동하지 않을 수 있습니다. 이 쿠키는 개인 식별 정보를 저장하지 않습니다.
+타겟팅 쿠키
이 쿠키는 광고 파트너를 통해 설정되며, 귀하의 관심사에 기반한 광고를 다른 사이트에 표시하는 데 사용됩니다. 이 쿠키는 직접적으로 개인정보를 저장하지 않으며, 브라우저와 인터넷 기기 식별을 기반으로 작동합니다. 이 쿠키를 허용하지 않으면 타겟팅 광고를 덜 경험하게 됩니다.
+성능 쿠키
이 쿠키는 웹사이트 방문자 수 및 트래픽 소스를 집계하여, 사이트의 성능을 측정하고 개선하는 데 사용됩니다. 어떤 페이지가 인기가 많은지, 방문자가 사이트를 어떻게 이동하는지를 파악하는 데 도움이 됩니다. 모든 정보는 익명으로 수집되며, 이 쿠키를 허용하지 않을 경우 방문 및 활동 기록을 알 수 없어 사이트 성능 모니터링에 제약이 생깁니다.
Histopathological correlations of CT-based radiomics imaging biomarkers in native kidney biopsy
Authors
Yoon Ho Choi, Ji-Eun Kim, Ro Woon Lee, Byoungje Kim, Hyeong Chan Shin, Misun Choe, Yaerim Kim, Woo Yeong Park, Kyubok Jin, Seungyeup Han, Jin Hyuk Paek & Kipyo Kim
Choi et al. evaluated the correlation between CT-based radiomic features and chronic histological changes in native kidney biopsies. They analyzed data from adults who had undergone non-contrast CT scans and kidney biopsies within a week. Using Aview Research software, the left kidney was segmented, and various radiomic features, including shape, first-order, and high-order texture features, were extracted. Their machine learning model, based on texture features from the whole kidney parenchyma, predicted moderate-to-severe fibrosis with an AUC of 0.89. The findings suggest that radiomic texture features could reflect chronic histological changes, potentially offering a non-invasive alternative to kidney biopsy. This approach could be especially useful in patients with contraindications for biopsy. However, the study’s retrospective, single-center design limits broader applicability. Future studies should focus on multi-center validation and consider integrating other clinical data for enhanced prediction models, aiming to support non-invasive diagnostics for kidney fibrosis.
목록으로
