Sažetak
APSTRAKT
Uvod: Makroadenomi hipofize predstavljaju izazov u kliničkoj endokrinologiji zbog njihovog uticaja na hormonalnu ravnotežu i posledičnih kliničkih komplikacija. Tradicionalne dijagnostičke metode često su ograničene subjektivnošću, što naglašava potrebu za objektivnijim pristupom.
Materijali i metode: Istraživanje je sprovedeno kao retrospektivna sekundarna analiza javno dostupnih, de-identifikovanih podataka. Digitalne histopatološke slike preuzete su iz repozitorijuma digitalne patologije, dok su RNA-seq podaci, uključujući ekspresiju gena PIT1, pribavljeni iz NCBI GEO baze. Primena konvolucionih neuronskih mreža (CNN) omogućila je segmentaciju i klasifikaciju tumorskog tkiva, a analiza diferencijalne ekspresije realizovana je pomoću DESeq2.
Rezultati: Model je postigao tačnost od 92,3% u identifikaciji tumorskih oblasti, dok je bioinformatička analiza pokazala značajno povećanje ekspresije PIT1 u adenoma sa izraženijim kliničkim simptomima (log2FC = 1,8, p < 0,01). Integrisana analiza je potvrdila jaku korelaciju između morfoloških obrazaca i nivoa ekspresije PIT1, a regresiona analiza ukazala je da je ovaj gen nezavisan prediktor kliničkih ishoda.
Diskusija i zaključak: Integracija digitalne patologije i bioinformatičke analize pokazala se obećavajućom za unapređenje dijagnostike i klasifikacije makroadenoma hipofize, otvarajući put ka personalizovanoj terapiji. Dalja istraživanja na heterogenijim uzorcima mogu dodatno potvrditi korisnost ovog multidisciplinarnog pristupa.