Цифровая патология

Цифровая патология является основной частью патологической информатики и охватывает темы, включая сканирование слайдов, цифровое изображение, анализ изображений и телепатологию .

Цифровая патология является подполе патологии , которая фокусируется на управлении и анализе информации, полученной из оцифрованных слайдов образца. Он использует компьютерную технологию и виртуальную микроскопию для просмотра, управления, обмена и анализа цифровых слайдов на компьютерных мониторах. Эта область имеет применение в диагностической медицине и направлена ​​на достижение более эффективных и экономичных диагнозов , прогнозов и прогнозов заболеваний посредством достижения в области машинного обучения и искусственного интеллекта в здравоохранении .

История

Корни цифровой патологии отслеживают в 1960 -х годах с ранними телепатологическими экспериментами. Концепция виртуальной микроскопии появилась в 1990 -х годах в различных областях исследований в области наук о жизни Полем На рубеже веков научное сообщество все больше и больше соглашалось с термином «цифровой патологии», чтобы обозначить усилия по оцифровке в патологии. Однако в 2000 году технические требования (сканер, хранение, сеть) по -прежнему были ограничивающим фактором для широкого распространения концепций цифровой патологии. Это изменилось как новая мощная и доступная технология сканера, а также технологии массового / облачного хранения появились на рынке. Область радиологии подверглась цифровой трансформации почти 15 лет назад, не потому, что радиология более продвинута, но существуют фундаментальные различия между цифровыми изображениями в радиологии и цифровой патологии: источник изображения в радиологии является (живым) пациентом и сегодня в В большинстве случаев изображение даже в основном фиксируется в цифровом формате. В патологии сканирование выполняется из сохранившихся и обработанных образцов, для ретроспективных исследований даже из слайдов, хранящихся в биобанке . Помимо этой разницы в преаналитике и содержании метаданных , необходимое хранилище в цифровой патологии на два-три порядка выше, чем в радиологии. Тем не менее, преимущества, ожидаемые с помощью цифровой патологии, аналогичны преимуществам радиологии:

• Возможность быстро передавать цифровые слайды на расстояниях, что позволяет телепатологическим сценариям.
• Возможность получить доступ к прошлому образцу от тех же пациентов и аналогичных случаев для сравнения и обзора, с гораздо меньшими усилиями, чем извлечение слайдов с архивных полков.
• Возможность сравнивать различные области нескольких слайдов одновременно (слайд в режиме слайда) с помощью виртуального микроскопа.
• Возможность аннотировать области непосредственно в слайде и делиться этим для обучения и исследований.

Цифровая патология сегодня широко используется в образовательных целях в телепатологии и телеконсультации , а также в исследовательских проектах. Цифровая патология позволяет делиться и аннотировать слайды гораздо проще, а для загрузки аннотированных наборов лекций генерирует новые возможности для электронного обучения и обмена знаниями в патологии. Цифровая патология в диагностике является новой и будущей областью.

Среда

Сканирование

Сканер скольжения микроскопии.

Whole slide image quality comparison, with a slide scanned with a 20x objective and about 0.8 gigabytes (GB) in size to the left, and a 40x objective and approximately 1.2 GB in size to the right. Each image shows a red blood cell.

Цифровые слайды создаются из стеклянных слайдов с использованием специализированных сканирующих машин. Все высококачественные сканирования должны быть свободны от пыли, царапин и других препятствий. Существует два общих метода для сканирования цифрового слайда, сканирования на основе плитки и сканирования на основе линий. Обе технологии используют интегрированную камеру и моторизованную стадию, чтобы перемещать слайд вокруг, пока визуализируются части ткани. Сканеры плиток захватывают квадратные изображения поля зрения, покрывающие всю область ткани на слайде, в то время как линейные сканеры захватывают изображения ткани в длинных, непрерывных полосах, а не плитки. В обоих случаях программное обеспечение, связанное с сканером, сшивает плитки или линии вместе в одно бесшовное изображение.

Z-stacking is the scanning of a slide at multiple focal planes along the vertical z-axis.

View

Digital slides are accessible for viewing via a computer monitor and viewing software either locally or remotely via the Internet. An example of an open-source, web-based viewer for this purpose implemented in pure JavaScript, for desktop and mobile, is the OpenSeadragon viewer. QuPath is another such open source software, which is often used for digital pathology applications because it offers a powerful set of tools for working with whole slide images. OpenSlide, on the other hand is a C library (Python and Java bindings are also available) that provides a simple interface to read and view whole-slide images.

Manage

Digital slides are maintained in an information management system that allows for archival and intelligent retrieval.

Network

Digital slides are often stored and delivered over the Internet or private networks, for viewing and consultation.

Analyze

Image analysis tools are used to derive objective quantification measures from digital slides. Image segmentation and classification algorithms, often implemented using deep learning neural networks, are used to identify medically significant regions and objects on digital slides. A GPU acceleration software for pathology imaging analysis, cross-comparing spatial boundaries of a huge amount of segmented micro-anatomic objects has been developed. The core algorithm of PixelBox in this software has been adopted in Fixstars' Geometric Performance Primitives (GPP) library as a part of NVIDIA Developer, which is a production geometry engine for advanced graphical information systems, electronic design automation, computer vision and motion planning solutions.

• 
  Ki67 stain calculation by QuPath in a pure seminoma, which gives a measure of the proliferation rate of the tumor. The colors represent the intensity of expression: blue-no expression, yellow-low, orange-moderate, and red-high expression.
• 
  Tissue segmentation for digital calculation of bone marrow cellularity in QuPath: The system is trained on the appearance of immune cells versus other tissue, and uses this to give an overall percentage of each type.
• 
  Breast cancer prediction by AI.

Integrate

Digital pathology workflow is integrated into the institution's overall operational environment. Slide digitization is expected to reduce the number of routine, manually reviewed slides, maximizing workload efficiency.

Sharing

Digital pathology also allows internet information sharing for education, diagnostics, publication and research. This may take the form of publicly available datasets or open source access to machine learning algorithms.

Challenges

Bone tissue is particularly prone to folding artifacts. In this micrograph, the automatic camera is focused on a fold (left in image), resulting in defocus aberration (blur) of the surrounding tissue (right in image).

In this case, there is no clear distinction between tumor cells and surrounding large stromal cells, requiring delimitation before applying automatic stain quantification tools.

Digital pathology has been approved by the FDA for primary diagnosis. The approval was based on a multi-center study of 1,992 cases in which whole-slide imaging (WSI) was shown to be non-inferior to microscopy across a wide range of surgical pathology specimens, sample types and stains. While there are advantages to WSI when creating digital data from glass slides, when it comes to real-time telepathology applications, WSI is not a strong choice for discussion and collaboration between multiple remote pathologists. Furthermore, unlike digital radiology where the elimination of film made return on investment (ROI) clear, the ROI on digital pathology equipment is less obvious. The strongest ROI justification includes improved quality of healthcare, increased efficiency for pathologists, and reduced costs in handling glass slides.

Validation

Validation of a digital microscopy workflow in a specific environment (see above) is important to ensure high diagnostic performance of pathologists when evaluating digital whole-slide images. There are different methods that can be used for this validation process. The College of American Pathologists has published a guideline with minimal requirements for validation of whole slide imaging systems for diagnostic purposes in human pathology.

Potential

Trained pathologists traditionally view tissue slides under a microscope. These tissue slides may be stained to highlight cellular structures. When slides are digitized, they are able to be shared through tele-pathology and are numerically analyzed using computer algorithms. Algorithms can be used to automate the manual counting of structures, or for classifying the condition of tissue such as is used in grading tumors. They can additionally be used for feature detection of mitotic figures, epithelial cells, or tissue specific structures such as lung cancer nodules, glomeruli, or vessels, or estimation of molecular biomarkers such as mutated genes, tumor mutational burden, or transcriptional changes. This has the potential to reduce human error and improve accuracy of diagnoses. Digital slides can be easily shared, increasing the potential for data usage in education as well as in consultations between expert pathologists. Multiplexed imaging (staining multiple markers on the same slide) allows pathologists to understand finer distribution of cell-types and their relative locations. An understanding of the spatial distribution of cell-types or markers and pathways they express, can allow for prescription of targeted drugs or build combinational therapies in a personalized manner.

See also

• Anatomical pathology
• Cytopathology
• Histology
• Medical laboratory
• Microscopy
• Pathology
• Surgical pathology
• Telepathology
• Tissue cytometry
• Virtual microscopy

Дальнейшее чтение

• Кайзер, K; Кайзер, G; Radziszowski, D; Oehmann, A (1999). «От телепатологии до института виртуальной патологии: новый мир цифровой патологии» (PDF) . Румынский журнал морфологии и эмбриологии . 45 : 3–9. PMID   15847374 .
• МакКаллоу, Брюс; Инг, Xiaoyou; Монтичелло, Томас; Bonnefoi, Marc (2004). «Цифровая микроскопия визуализация и новые подходы в токсикологической патологии» . Токсикологическая патология . 32 (5): 49–58. doi : 10.1080/01926230490451734 . PMID   15503664 .
• Шланген, Дэвид; Стед, Манфред; Bontas, Elena Paslaru (2004). «Кормление совы: извлечение и представление содержания отчетов о патологии» . NLPXML '04 Труды семинара по NLP и XML . NLPXML '04: 43–50.
• Круз-Роа, Ангел; Диас, Глория; Ромеро, Эдуардо; Гонсалес, Фабио (2011). «Автоматическая аннотация гистопатологических изображений с использованием скрытой тематической модели на основе неотрицательной факторизации матрицы» . Журнал патологии информатики . 2 (4): 4. doi : 10.4103/2153-3539.92031 . PMC   3312710 . PMID   22811960 .
• «Электронное здоровье и телемедицина». Международный журнал компьютерной радиологии и хирургии . 1 (Дополнение 1): 119–35. 2006. DOI : 10.1007/S11548-006-0012-1 . S2CID   5642084 .
• Прекрасно, Джеффри Л.; Грибики, Дана М.; Silowash, Russell; Хо, Джонхан; Гилбертсон, Джон Р.; Энтони, Лесли; Уилсон, Робб; Parwani, Anil v.; и др. (2008). «Оценка интерпретации иммуногистохимии с изображением цельного слайда в оспаривании биопсии иглы предстательной железы». Человеческая патология . 39 (4): 564–72. doi : 10.1016/j.humpath.2007.08.007 . PMID   18234276 .
• Кайзер, Клаус; Кайзер, Джан; Radziszowski, Dominik; Oehmann, Alexander (2004). «Новые разработки в области цифровой патологии: от телепатологии до лаборатории виртуальной патологии» . В Дуплаге, Мариус; Zieliński, Krzysztof; Ингрэм, Дэвид (ред.). Преобразование здравоохранения с помощью информационных технологий . Исследования по технологиям здравоохранения и информатике. Тол. 105. IOS Press. С. 61–9. ISBN  978-1-58603-438-2 Полем ISSN   0926-9630 . PMID   15718595 .
• Толксдорф, Роберт; Bontas, Elena Paslaru (2004). «Организация знаний в семантической паутине для патологии». Объектно-ориентированные и интернет-технологии . Заметки лекции в информатике. Тол. 3263. С. 115–56. doi : 10.1007/978-3-540-30196-7_4 . ISBN  978-3-540-23201-8 Полем S2CID   18006838 .
• Поттс, Стивен Дж. (2009). «Цифровая патология в обнаружении и развитии лекарств: многосайтовая интеграция». Drug Discovery сегодня . 14 (19–20): 935–41. doi : 10.1016/j.drudis.2009.06.013 . PMID   19596461 .
• Поттс, Стивен Дж.; Янг Г. Дэвид; Воэлькер, Фрэнк А. (2010). «Роль и влияние количественной патологии открытия». Drug Discovery сегодня . 15 (21–22): 943–50. doi : 10.1016/j.drudis.2010.09.001 . PMID   20946967 .
• Zwonitzer, R; Калински, т; Хофманн, ч; Росснер, а; Бернардинг, Дж. (2007). «Цифровая патология: Dicom-Conform Draft, Testdle и первые результаты». Компьютерные методы и программы в биомедицине . 87 (3): 181–8. doi : 10.1016/j.cmpb.2007.05.010 . PMID   17618703 .