Цифровая патология
Цифровая патология — это подобласть патологии , в которой основное внимание уделяется управлению данными на основе информации, полученной из оцифрованных предметных стекол. Благодаря использованию компьютерных технологий в цифровой патологии используется виртуальная микроскопия . [1] Стеклянные слайды преобразуются в цифровые слайды, которые можно просматривать, управлять, совместно использовать и анализировать на мониторе компьютера. Благодаря практике визуализации всего предметного стекла (WSI), которая является еще одним названием виртуальной микроскопии, [2] Область цифровой патологии растет и находит применение в диагностической медицине с целью достижения эффективной и более дешевой диагностики , прогнозирования и прогнозирования заболеваний благодаря успехам машинного обучения и искусственного интеллекта в здравоохранении . [3]
История [ править ]
Корни цифровой патологии уходят в 1960-е годы, когда в области телепатологии были проведены первые эксперименты . Позже, в 1990-х годах, принцип виртуальной микроскопии [4] появились в нескольких областях исследований в области наук о жизни. На рубеже веков научное сообщество все больше и больше соглашалось с термином «цифровая патология» для обозначения усилий по оцифровке патологии. Однако в 2000 году технические требования (сканер, хранилище, сеть) все еще были ограничивающим фактором для широкого распространения концепций цифровой патологии. новой мощной и доступной технологии сканирования, а также технологий массового/ облачного хранения данных Ситуация изменилась с появлением на рынке . Область радиологии претерпела цифровую трансформацию почти 15 лет назад не потому, что радиология более развита, но существуют фундаментальные различия между цифровыми изображениями в радиологии и цифровой патологией: источником изображения в радиологии является (живой) пациент, и сегодня в в большинстве случаев изображение даже в основном записывается в цифровом формате. В патологии сканирование проводится с консервированных и обработанных образцов, для ретроспективных исследований — даже со слайдов, хранящихся в биобанке . Помимо этой разницы в преаналитике и содержания метаданных требуемый объем памяти в цифровой патологии на два-три порядка выше, чем в радиологии. Однако преимущества, ожидаемые от цифровой патологии, аналогичны преимуществам радиологии:
- Возможность быстрой передачи цифровых слайдов на расстояния, что позволяет использовать сценарии телепатологии.
- Возможность доступа к предыдущим образцам от одних и тех же пациентов и аналогичных случаев для сравнения и анализа с гораздо меньшими усилиями, чем извлечение слайдов с архивных полок.
- Возможность одновременного сравнения различных областей нескольких слайдов (режим слайд за слайдом) с помощью виртуального микроскопа.
- Возможность комментировать области прямо на слайде и делиться ими для обучения и исследований.
Цифровая патология сегодня широко используется в образовательных целях. [5] в телепатологии и телеконсультировании, а также в исследовательских проектах. Цифровая патология позволяет гораздо проще обмениваться слайдами и комментировать их, а загрузка аннотированных наборов лекций создает новые возможности для электронного обучения и обмена знаниями в области патологии. Цифровая патология в диагностике — новая и перспективная область.
Окружающая среда [ править ]
Сканировать [ править ]
Цифровые слайды создаются из стеклянных слайдов с помощью специализированных сканирующих машин. На всех высококачественных сканах не должно быть пыли, царапин и других посторонних предметов. Существует два распространенных метода цифрового сканирования слайдов: мозаичное сканирование и построчное сканирование. [6] Обе технологии используют встроенную камеру и моторизованный предметный столик для перемещения предметного стекла во время визуализации частей ткани. Плиточные сканеры фиксируют квадратные изображения поля зрения, покрывающие всю площадь ткани на предметном стекле, а линейные сканеры фиксируют изображения ткани в виде длинных непрерывных полос, а не плиток. В обоих случаях программное обеспечение, связанное со сканером, сшивает плитки или линии в единое бесшовное изображение.
Z-стекинг — это сканирование слайда в нескольких фокальных плоскостях вдоль вертикальной оси Z. [7]
Посмотреть [ править ]
Цифровые слайды доступны для просмотра через монитор компьютера и программное обеспечение для просмотра локально или удаленно через Интернет. Примером с открытым исходным кодом, веб-просмотрщика реализованного на чистом JavaScript для настольных и мобильных устройств, является OpenSeadragon. [8] зритель. КуПат [9] — еще одно такое программное обеспечение с открытым исходным кодом, которое часто используется в приложениях цифровой патологии, поскольку оно предлагает мощный набор инструментов для работы с целыми изображениями слайдов. OpenSlide, [10] с другой стороны, это библиотека C ( также доступны привязки Python и Java ), которая предоставляет простой интерфейс для чтения и просмотра изображений целиком.
Управлять [ править ]
Цифровые слайды хранятся в системе управления информацией, которая обеспечивает архивирование и интеллектуальный поиск.
Сеть [ править ]
Цифровые слайды часто хранятся и доставляются через Интернет или частные сети для просмотра и ознакомления.
Анализировать [ править ]
Инструменты анализа изображений используются для получения объективных количественных показателей на основе цифровых слайдов. сегментации и Алгоритмы классификации изображений , часто реализуемые с использованием глубокого обучения нейронных сетей , используются для идентификации значимых с медицинской точки зрения областей и объектов на цифровых слайдах. Было разработано программное обеспечение для ускорения графического процессора для анализа изображений патологии и перекрестного сравнения пространственных границ огромного количества сегментированных микроанатомических объектов. [11] Основной алгоритм PixelBox в этом программном обеспечении был принят в библиотеке Geometric Performance Primitives (GPP) Fixstars. [12] как часть NVIDIA Developer, движка производственной геометрии для передовых графических информационных систем, автоматизации электронного проектирования, компьютерного зрения и решений по планированию движения. [13]
![Расчет окрашивания Ki67 с помощью QuPath в чистой семиноме, который позволяет оценить скорость пролиферации опухоли. Цвета обозначают интенсивность экспрессии: синий — отсутствие экспрессии, желтый — низкая экспрессия, оранжевый — умеренная и красный — высокая экспрессия.[14]](//upload.wikimedia.org/wikipedia/commons/thumb/e/eb/Ki67_calculation_by_QuPath_in_a_pure_seminoma.png/295px-Ki67_calculation_by_QuPath_in_a_pure_seminoma.png)
Расчет окрашивания Ki67 с помощью QuPath в чистой семиноме, который позволяет оценить скорость пролиферации опухоли. Цвета обозначают интенсивность экспрессии: синий — отсутствие экспрессии, желтый — низкая экспрессия, оранжевый — умеренная экспрессия и красный — высокая экспрессия. [14]
Сегментация тканей для цифрового расчета клеточного состава костного мозга в QuPath: система обучена на появлении иммунных клеток по сравнению с другими тканями и использует это для определения общего процентного содержания каждого типа.![Прогноз рака молочной железы с помощью ИИ.[15]](//upload.wikimedia.org/wikipedia/commons/thumb/4/4f/Histopathology_of_tumor_identification_by_AI.png/278px-Histopathology_of_tumor_identification_by_AI.png)
Прогноз рака молочной железы с помощью ИИ. [15]
![Расчет окрашивания Ki67 с помощью QuPath в чистой семиноме, который позволяет оценить скорость пролиферации опухоли. Цвета обозначают интенсивность экспрессии: синий — отсутствие экспрессии, желтый — низкая экспрессия, оранжевый — умеренная и красный — высокая экспрессия.[14]](http://upload.wikimedia.org/wikipedia/commons/thumb/e/eb/Ki67_calculation_by_QuPath_in_a_pure_seminoma.png/295px-Ki67_calculation_by_QuPath_in_a_pure_seminoma.png)
![Прогноз рака молочной железы с помощью ИИ.[15]](http://upload.wikimedia.org/wikipedia/commons/thumb/4/4f/Histopathology_of_tumor_identification_by_AI.png/278px-Histopathology_of_tumor_identification_by_AI.png)
Интегрировать [ править ]
Рабочий процесс цифровой патологии интегрирован в общую операционную среду учреждения. Ожидается, что оцифровка слайдов сократит количество рутинных слайдов, просматриваемых вручную, что максимально увеличит эффективность рабочей нагрузки.
Делюсь [ править ]
Цифровая патология также позволяет обмениваться информацией в Интернете для целей образования, диагностики, публикаций и исследований. Это может принимать форму общедоступных наборов данных или открытого доступа к алгоритмам машинного обучения .
Проблемы [ править ]
Цифровая патология одобрена FDA для первичной диагностики. [16] Одобрение было основано на многоцентровом исследовании 1992 случаев, в котором было показано, что визуализация всего предметного стекла (WSI) не уступает микроскопии для широкого спектра образцов хирургической патологии, типов образцов и пятен. [17] Хотя у WSI есть преимущества при создании цифровых данных со стеклянных предметных стекол, когда дело доходит до приложений телепатологии в реальном времени, WSI не является хорошим выбором для обсуждения и сотрудничества между несколькими удаленными патологами. [18] Кроме того, в отличие от цифровой радиологии, где отказ от пленки сделал возврат инвестиций (ROI) очевидным, рентабельность инвестиций в цифровое патологоанатомическое оборудование менее очевидна. Самым убедительным оправданием рентабельности инвестиций является улучшение качества здравоохранения, повышение эффективности работы патологоанатомов и снижение затрат на обработку стеклянных предметных стекол. [19]
Проверка [ править ]
Валидация рабочего процесса цифровой микроскопии в конкретной среде (см. выше) важна для обеспечения высокой диагностической эффективности патологоанатомов при оценке цифровых изображений целого слайда. Существуют различные методы, которые можно использовать для этого процесса проверки. [20] Колледж американских патологов опубликовал руководство с минимальными требованиями для валидации систем визуализации целых слайдов для диагностических целей при патологии человека. [21]
Потенциал [ править ]
Обученные патологоанатомы традиционно рассматривают слайды тканей под микроскопом. Эти слайды тканей можно окрасить, чтобы выделить клеточные структуры. Когда слайды оцифрованы, их можно передавать через телепатологию и подвергать численному анализу с использованием компьютерных алгоритмов. Алгоритмы можно использовать для автоматизации ручного подсчета структур или для классификации состояния тканей, например, что используется при классификации опухолей. Кроме того, их можно использовать для обнаружения признаков митотических фигур, эпителиальных клеток или тканеспецифичных структур, таких как узелки рака легких, клубочки или сосуды, или для оценки молекулярных биомаркеров, таких как мутированные гены, мутационная нагрузка опухоли или транскрипционные изменения. [22] [23] [24] Это потенциально может уменьшить количество человеческих ошибок и повысить точность диагнозов. Цифровыми слайдами можно легко обмениваться, что увеличивает потенциал использования данных в образовании, а также во время консультаций между экспертами-патологами. Мультиплексная визуализация (окрашивание нескольких маркеров на одном предметном стекле) позволяет патологам лучше понять распределение типов клеток и их относительное расположение. [25] Понимание пространственного распределения типов клеток или маркеров и путей, которые они экспрессируют, может позволить назначать таргетные лекарства или разрабатывать персонализированную комбинационную терапию.
См. также [ править ]
Ссылки [ править ]
- ^ Пантановиц Л. (2018). «Двадцать лет цифровой патологии: обзор пройденного пути, того, что находится на горизонте, и появление архивов, нейтральных к поставщикам» . Журнал патологоанатомической информатики . 9:40 . дои : 10.4103/jpi.jpi_69_18 . ПМК 6289005 . ПМИД 30607307 .
- ^ «Визуализация всего слайда | Бионаука MBF» . www.mbfbioscience.com . Проверено 2 декабря 2019 г.
- ^ Сайяр, Чарли; Дюбуа, Реми; Чита, Усама; Луазо, Николя; Гарсия, Тьерри; Адриансен, Орели; Карпентье, Северин; Рейр, Джоэль; Энея, Диана; фон Лога, Катарина; Камун, Орели; Россат, Стефан; Вискарт, Корентен; Сефта, Мерием; Оффре, Микаэль (6 ноября 2023 г.). «Валидация MSIntuit как инструмента предварительного скрининга на основе искусственного интеллекта для обнаружения MSI на гистологических слайдах колоректального рака» . Природные коммуникации . 14 (1): 6695. doi : 10.1038/s41467-023-42453-6 . ISSN 2041-1723 . ПМЦ 10628260 . ПМИД 37932267 .
- ^ Феррейра, Р; Мун, Дж; Хамфрис, Дж; Сассман, А; Сальц, Дж; Миллер, Р; Демарзо, А (1997). «Виртуальный микроскоп» . Румынский журнал морфологии и эмбриологии . 45 : 449–453. ПМЦ 2233368 . ПМИД 9357666 .
- ^ Гамильтон, Питер В.; Ван, Иньхай; Маккалоу, Стивен Дж.; Сассман (2012). «Виртуальная микроскопия и цифровая патология в обучении и образовании» . АПМИС . 120 (4): 305–315. дои : 10.1111/j.1600-0463.2011.02869.x . ПМИД 22429213 . S2CID 20599493 .
- ^ «Информатика, цифровая и вычислительная патология» .
- ^ Эванс А.Дж., Салама М.Э., Хенрикс В.Х., Пантановиц Л. (2017). «Внедрение полноэкранной визуализации в клинических целях: вопросы, которые следует учитывать с точки зрения первых пользователей» . Арч Патол Лаборатория Мед . 141 (7): 944–959. дои : 10.5858/arpa.2016-0074-OA . ПМИД 28440660 .
- ^ OpenSeadragon на GitHub
- ^ QuPath на GitHub
- ^ Веб-сайт OpenSlide
- ^ Кайбо Ван; Инь Хуай; Рубао Ли; Фушенг Ван; Сяодун Чжан; Джоэл Х. Зальц (2012). «Ускорение перекрестного сравнения данных изображений патологии в гибридных системах CPU-GPU» . Труды Фонда ВЛДБ. Труды Фонда VLDB. Международная конференция по очень большим базам данных . Том. 5, нет. 11. стр. 1543–1554. ПМЦ 3553551 . ПМИД 23355955 .
- ^ «Примитивы геометрической производительности (GPP)» . Разработчик NVIDIA .
- ^ «Письмо Кайбо Вангу» (PDF) .
- ^ Лоренсу БК, Гимарайнш-Тейшейра С, Флорес БСТ, Миранда-Гонсалвеш В, Гимарайнш Р, Кантанте М и др. (2022). «Экспрессия Ki67 и LSD1 в опухолях зародышевых клеток яичек не связана с исходом заболевания: исследование с использованием алгоритма цифровой патологии» . Жизнь . 12 (2): 264. doi : 10.3390/life12020264 . ПМЦ 8875543 . ПМИД 35207551 .
- Рис. 2. Доступно по лицензии: Creative Commons Attribution 4.0 International. - ^ Круз-Роа А., Гилмор Х., Басаванхалли А., Фельдман М., Ганесан С., Ши ННК и др. (2017). «Точное и воспроизводимое инвазивное обнаружение рака молочной железы на полноэкранных изображениях: подход глубокого обучения для количественной оценки размера опухоли» . Научный представитель . 7 : 46450. дои : 10.1038/srep46450 . ПМК 5394452 . ПМИД 28418027 .
«Эта работа распространяется по международной лицензии Creative Commons Attribution 4.0». - ^ «FDA разрешает продавать первую систему визуализации слайдов для цифровой патологии» (пресс-релиз). FDA . 12 апреля 2017 года . Проверено 24 мая 2017 г.
- ^ Мукхопадхьяй, Санджай; Фельдман, Майкл; Абельс, Эстер (2017). «Визуализация всего предметного стекла по сравнению с микроскопией для первичной диагностики хирургической патологии: многоцентровое рандомизированное слепое исследование не меньшей эффективности 1992 случаев (основное исследование)» . Американский журнал хирургической патологии . 42 (1): 39–52. doi : 10.1097/PAS.0000000000000948 . ПМЦ 5737464 . ПМИД 28961557 .
- ^ Сигел, Габриэль; Регельман, Дэн; Маронпот, Роберт; Розенсток, Моти; Хаяси, Сим-мо; Ниска, Авраам (октябрь 2018 г.). «Использование новой системы телепатологии в доклинических исследованиях и экспертной оценке» . Журнал токсикологической патологии . 31 (4): 315–319. дои : 10.1293/tox.2018-0032 . ПМК 6206289 . ПМИД 30393436 .
- ^ «Как построить экономическое обоснование для оправдания инвестиций в цифровую патологию» . Сектра Медицинские системы . Проверено 26 апреля 2015 г.
- ^ Бертрам, Кристоф А; Статоникос, Николас; Донован, Тэрин А; Бартель, Александр; Фукс-Баумгартингер, Андреа; Липник, Каролина; Джан Дист, Пол Дж; Бонсембианте, Федерико; Клопфляйш, Роберт (сентябрь 2021 г.). «Валидация цифровой микроскопии: обзор методов проверки и источников систематической ошибки» . Ветеринарная патология . 59 (1): 26–38. дои : 10.1177/03009858211040476 . ПМК 8761960 . ПМИД 34433345 .
- ^ Эванс, Эндрю Дж; Браун, Ричард; Буи, Мэрилин (2021). «Валидация систем визуализации целых слайдов для диагностических целей в патологии: обновление рекомендаций Колледжа американских патологов в сотрудничестве с Американским обществом клинической патологии и Ассоциацией патологоанатомической информатики» . Арч Патол Лаборатория Мед . 146 (4): 440–450. дои : 10.5858/arpa.2020-0723-CP . ПМИД 34003251 .
- ^ Эффнер, Фамке; Зарелла, Марк Д.; Бухбиндер, Натан; Буи, Мэрилин М.; Гудман, Мэтью Р.; Хартман, Дуглас Дж.; Лухан, Джованни М.; Молани, Мариам А.; Парвани, Анил В.; Лиллард, Кейт; Тернер, Оливер К. (08 марта 2019 г.). «Введение в анализ цифровых изображений при визуализации всего слайда: официальный документ Ассоциации цифровой патологии» . Журнал патологоанатомической информатики . 10 :9. дои : 10.4103/jpi.jpi_82_18 . ISSN 2229-5089 . ПМЦ 6437786 . ПМИД 30984469 .
- ^ Джайн, Мика С.; Масуд, Тарик Ф. (2020). «Прогнозирование мутационной нагрузки опухоли на основе гистопатологических изображений с использованием многомасштабного глубокого обучения» . Природный машинный интеллект . 2 (6): 356–362. дои : 10.1038/s42256-020-0190-5 . ISSN 2522-5839 . S2CID 220510782 .
- ^ Сераг, Ахмед; Ион-Маргиняну, Адриан; Куреши, Хаммад; Макмиллан, Райан; Сен-Мартен, Мари-Жюдит; Даймонд, Джим; О'Рейли, Пол; Гамильтон, Питер (2019). «Трансляционный ИИ и глубокое обучение в диагностической патологии» . Границы в медицине . 6 : 185. doi : 10.3389/fmed.2019.00185 . ISSN 2296-858X . ПМК 6779702 . ПМИД 31632973 .
- ^ Нирмал, Аджит Дж.; Малига, Золтан; Валлий, Туулия; Кваттроки, Брайан; Чен, Элис А.; Джейкобсон, Коннор А.; Пеллетье, Роксана Дж.; Япп, Кларенс; Ариас-Камисон, Ракель; Чен, Ю-Ань; Лиан, Кристин Г. (11 апреля 2022 г.). «Пространственный ландшафт прогрессирования и иммуноредактирования первичной меланомы при разрешении отдельных клеток» . Открытие рака . 12 (6): 1518–1541. дои : 10.1158/2159-8290.CD-21-1357 . ISSN 2159-8290 . ПМЦ 9167783 . ПМИД 35404441 .
Дальнейшее чтение [ править ]
- Кайзер, К; Кайзер, Г; Радзишовский, Д; Оманн, А (1999). «От телепатологии к учреждению виртуальной патологии: новый мир цифровой патологии» (PDF) . Румынский журнал морфологии и эмбриологии . 45 : 3–9. ПМИД 15847374 .
- Маккалоу, Брюс; Инь, Сяою; Монтичелло, Томас; Боннефуа, Марк (2004). «Цифровая микроскопия и новые подходы в токсикологической патологии» . Токсикологическая патология . 32 (5): 49–58. дои : 10.1080/01926230490451734 . ПМИД 15503664 .
- Шланген, Дэвид; Стеде, Манфред; Бонтас, Елена Паслару (2004). «Кормление OWL: извлечение и представление содержания отчетов о патологии» . NLPXML '04 Материалы семинара по НЛП и XML . Nlpxml '04: 43–50.
- Круз-Роа, Анхель; Диас, Глория; Ромеро, Эдуардо; Гонсалес, Фабио (2011). «Автоматическое аннотирование гистопатологических изображений с использованием модели скрытой темы на основе факторизации неотрицательной матрицы» . Журнал патологоанатомической информатики . 2 (4): 4. дои : 10.4103/2153-3539.92031 . ПМЦ 3312710 . ПМИД 22811960 .
- «Электронное здравоохранение и телемедицина». Международный журнал компьютерной радиологии и хирургии . 1 (Приложение 1): 119–35. 2006. doi : 10.1007/s11548-006-0012-1 . S2CID 5642084 .
- Хорошо, Джеффри Л.; Гжибицкий, Дана М.; Силоваш, Рассел; Хо, Джонхан; Гилбертсон, Джон Р.; Энтони, Лесли; Уилсон, Робб; Парвани, Анил В.; и др. (2008). «Оценка иммуногистохимической интерпретации всего слайда при сложной игольной биопсии простаты». Патология человека . 39 (4): 564–72. дои : 10.1016/j.humpath.2007.08.007 . ПМИД 18234276 .
- Кайзер, Клаус; Кайзер, Джиан; Радзишовский, Доминик; Оманн, Александр (2004). «Новые разработки в цифровой патологии: от телепатологии к виртуальной лаборатории патологии» . В Дуплаге, Мариуш; Зелинский, Кшиштоф; Ингрэм, Дэвид (ред.). Трансформация здравоохранения с помощью информационных технологий . Исследования в области медицинских технологий и информатики. Том. 105. ИОС Пресс. стр. 61–9. ISBN 978-1-58603-438-2 . ISSN 0926-9630 . ПМИД 15718595 .
- Толксдорф, Роберт; Бонтас, Елена Паслару (2004). «Организация знаний в семантической сети для патологии». Объектно-ориентированные и интернет-технологии . Конспекты лекций по информатике. Том. 3263. стр. 115–56. дои : 10.1007/978-3-540-30196-7_4 . ISBN 978-3-540-23201-8 . S2CID 18006838 .
- Поттс, Стивен Дж. (2009). «Цифровая патология в открытии и разработке лекарств: многосайтовая интеграция». Открытие наркотиков сегодня . 14 (19–20): 935–41. дои : 10.1016/j.drudis.2009.06.013 . ПМИД 19596461 .
- Поттс, Стивен Дж.; Янг, Дж. Дэвид; Фёлкер, Фрэнк А. (2010). «Роль и влияние патологии количественных открытий». Открытие наркотиков сегодня . 15 (21–22): 943–50. дои : 10.1016/j.drudis.2010.09.001 . ПМИД 20946967 .
- Звоницер, Р; Калински, Т; Хофманн, Х; Росснер, А; Бернардинг, Дж (2007). «Цифровая патология: проект, соответствующий стандарту DICOM, испытательный стенд и первые результаты». Компьютерные методы и программы в биомедицине . 87 (3): 181–8. дои : 10.1016/j.cmpb.2007.05.010 . ПМИД 17618703 .