研究人员使用人工智能(AI)工具，模拟人类如何可视化和训练识别和分类图像，构建了一个模型，通过评估组织学图像，高准确性预测克罗恩病的术后复发。人工智能工具还显示了以前未被识别的脂肪细胞的差异，以及浆膜下或肠外壁肥大细胞浸润程度的显著差异，比较了有无疾病复发的患者。这一发现发表在《美国病理学杂志》上。
克罗恩病是一种慢性炎症性胃肠道疾病，术后10年症状复发率估计为40%。虽然有评分系统来评估克罗恩病的活动性和术后复发的存在，但没有评分系统来预测克罗恩病是否会复发。
日本大阪大学医学院病理学系的首席研究员Takahiro Matsui博士和Eiichi Morii博士解释说:“过去使用人工智能对组织病理学图像进行的大多数分析都针对恶性肿瘤。”“我们的目标是利用人工智能分析组织病理学图像，为更广泛的疾病获取临床有用的信息。我们关注的是克罗恩病，术后复发是一个临床问题。”
在2007年1月至2018年7月期间，68名接受肠切除术的克罗恩病患者被纳入研究。根据术后两年内有无复发将患者分为两组。每一组被分成两个子组，一个用于训练人工智能模型，另一个用于验证。为了进行训练，手术标本的整个幻灯片图像被裁剪成瓷砖图像，标记术后是否复发，然后由effecentnet -b5处理，这是一种商业可用的用于进行图像分类的AI模型。使用未标记图像对模型进行测试，结果表明，深度学习模型根据疾病发生与否对未标记图像进行了准确的分类。
接下来，生成预测热图来识别区域和组织学特征，机器学习模型可以从这些区域和组织学特征高精度地预测复发。图像包括肠壁各层。热图显示，机器学习模型在浆膜下脂肪组织层中产生了正确的预测。然而，在其他区域，如粘膜和适当的肌肉层，该模型是不准确的。预测最准确的图像是从非递归组和递归组的测试数据集中提取的。在这些图像中，最好的预测结果都包含脂肪组织。
由于机器学习模型从浆膜下组织的图像中获得了准确的预测，研究人员假设浆膜下脂肪细胞的形态在复发组和非复发组之间存在差异。与非复发组相比，复发组的脂肪细胞明显更小，扁平度更高，中心到中心细胞距离值也更小。
Matsui博士和Morii博士说:“这些被定义为‘脂肪细胞萎缩’的特征是与克罗恩病复发相关的重要组织学特征。”
研究者还假设，两组间脂肪细胞形态的差异与组织中某种程度或类型的炎症条件有关。他们发现复发组有大量肥大细胞浸润浆膜下脂肪组织，提示这些细胞与克罗恩病的复发和“脂肪细胞萎缩”现象有关。
据研究者所知，这些发现首次将克罗恩病术后复发与浆膜下脂肪细胞和肥大细胞浸润的组织学联系起来。Matsui博士和Morii博士观察到:“我们的发现使克罗恩病患者的术后预后分层成为可能。包括生物制剂在内的许多药物都可用于预防克罗恩病的复发，适当的分层可以使高危患者获得更深入和成功的治疗。”
