Digitální patologie - Digital pathology

Digitální patologie je dílčí pole patologie která se zaměřuje na správu dat na základě informací generovaných z digitalizováno podložní sklíčka. Pomocí počítačové technologie využívá digitální patologie virtuální mikroskopie.[1] Skleněné diapozitivy se převádějí na digitální diapozitivy, které lze prohlížet, spravovat, sdílet a analyzovat na monitoru počítače. S praxí zobrazování celého snímku (WSI), což je jiný název pro virtuální mikroskopii,[2] oblast digitální patologie roste a má uplatnění v diagnostické medicíně s cílem dosáhnout efektivní a levnější diagnózy, prognóza a predikce nemocí v důsledku úspěchu v oblasti umělé inteligence a strojového učení.[3]

Dějiny

Kořeny digitální patologie sahají do šedesátých let, kdy proběhly první telepatologické experimenty. Později v 90. letech princip virtuální mikroskopie[4] se objevil v několika oblastech výzkumu biologických věd. Na přelomu století se vědecká komunita stále více shodovala na termínu „digitální patologie“, který označuje snahy o digitalizaci v patologii. V roce 2000 však byly technické požadavky (skener, úložiště, síť) stále omezeným faktorem pro široké šíření konceptů digitální patologie. Za posledních 5 let se to změnilo, protože se na trhu objevila nová výkonná a dostupná technologie skeneru a technologie hromadného / cloudového úložiště. Pole radiologie prošlo digitální transformací téměř před 15 lety, ne proto, že radiologie je pokročilejší, ale existují zásadní rozdíly mezi digitálními obrazy v radiologii a digitální patologii: Zdrojem obrazu v radiologii je (živý) pacient a dnes v ve většině případů je obraz dokonce primárně zachycen v digitálním formátu. V patologii je skenování prováděno z konzervovaných a zpracovaných vzorků, pro retrospektivní studie dokonce ze sklíček uložených v biobance. Kromě tohoto rozdílu v obsahu před analýzou a metadaty je požadované úložiště v digitální patologii o dva až tři řády vyšší než v radiologii. Výhody očekávané digitální patologií jsou však podobné těm v radiologii:

  • Schopnost rychle přenášet digitální diapozitivy na velké vzdálenosti, což umožňuje telepatologické scénáře.
  • Možnost přístupu k minulým vzorkům od stejných pacientů a / nebo podobných případů pro srovnání a kontrolu, s mnohem menším úsilím než získávání snímků z archivních polic.
  • Schopnost porovnávat různé oblasti více snímků současně (režim snímek po snímku) pomocí virtuálního mikroskopu.
  • Schopnost anotovat oblasti přímo na snímku a sdílet je pro výuku a výzkum.

Digitální patologie je dnes široce používána pro vzdělávací účely[5] v telepatologii a telekonzultaci i ve výzkumných projektech. Digitální patologie umožňuje mnohem jednodušší sdílení a anotaci snímků a stahování anotovaných sad přednášek vytváří nové příležitosti pro e-learning a sdílení znalostí v patologii. Digitální patologie v diagnostice je rozvíjející se a nadcházející obor.

životní prostředí

Skenovat

Digitální diapozitivy jsou vytvářeny ze skleněných diapozitivů pomocí specializovaných skenovacích strojů. Ve všech vysoce kvalitních skenech nesmí být prach, škrábance a jiné překážky.[6] Tyto stroje lze použít k digitalizaci snímků a potenciálnímu zaškolení počítačů hluboké učení (DL) cvičení, později provádět úkoly založené na rozpoznávání vzorů.

Pohled

Digitální diapozitivy jsou přístupné pro prohlížení na monitoru počítače a prohlížení softwaru lokálně nebo vzdáleně přes internet.

Příklad: snímek digitální patologie tkáně obarvené Her2 / neu biomarker používaný k diagnostice rakovina prsu.

Spravovat

Digitální diapozitivy jsou udržovány v systému správy informací, který umožňuje archivaci a inteligentní vyhledávání.

Síť

Digitální diapozitivy jsou často ukládány a doručovány přes internet nebo soukromé sítě pro prohlížení a konzultace.

Analyzovat

Nástroje pro analýzu obrazu se používají k odvození objektivních kvantifikačních opatření z digitálních snímků. Algoritmy segmentace a klasifikace obrazu, často implementované pomocí neuronových sítí Deep Learning, se používají k identifikaci lékařsky významných oblastí a objektů na digitálních diapozitivech.

Integrovat

Pracovní tok digitální patologie je integrován do celkového operačního prostředí instituce. Očekává se, že digitalizace snímků sníží počet rutinních, ručně zkontrolovaných snímků a maximalizuje efektivitu pracovního vytížení.

Sdílení

Digitální patologie také umožňuje sdílení informací na internetu pro vzdělávání, diagnostiku, publikaci a výzkum. Může to mít formu veřejně dostupných datových sad nebo přístup k algoritmům strojového učení jako otevřený zdroj.

Výzvy

Digitální patologie byla schválena FDA pro primární diagnostiku.[7] Schválení bylo založeno na multicentrické studii 1 992 případů, ve kterých bylo prokázáno, že celoskluzové zobrazování (WSI) není horší než mikroskopie u široké škály vzorků chirurgické patologie, typů vzorků a skvrn.[8] I když existují výhody WSI při vytváření digitálních dat ze skleněných sklíček, pokud jde o telepatologické aplikace v reálném čase, WSI není silnou volbou pro diskusi a spolupráci mezi více vzdálenými patology.[9] Kromě toho, na rozdíl od digitální radiologie, kde eliminace filmu jasně ukázala návratnost investic (ROI), je návratnost investic do zařízení digitální patologie méně zřejmá. Nejsilnější ospravedlnění návratnosti investic zahrnuje lepší kvalitu zdravotní péče, vyšší účinnost pro patology a nižší náklady na manipulaci se skleněnými sklíčky.[10]


Potenciál

Vyškolení patologové tradičně prohlížejí sklíčka pod mikroskopem. Tyto tkáňové sklíčka mohou být obarvený zvýraznit buněčné struktury. Když jsou snímky digitalizovány, lze je sdílet tele-patologie a jsou numericky analyzovány pomocí počítačových algoritmů. Algoritmy lze použít k automatizaci ručního počítání struktur nebo ke klasifikaci stavu tkáně, jaká se používá při klasifikaci nádorů. Mohou být dále použity pro detekci funkcí mitotických obrazců, epiteliálních buněk nebo tkáňově specifických struktur, jako jsou uzliny rakoviny plic, glomeruly nebo cévy.[11] To má potenciál snížit lidskou chybu a zlepšit přesnost diagnóz. Digitální diapozitivy lze snadno sdílet, což zvyšuje potenciál pro využití dat ve vzdělávání i při konzultacích mezi odbornými patology.

Viz také

Reference

  1. ^ Pantanowitz L (2018). „Twenty Years of Digital Pathology: an Overview of the Road Traveled, What is on the Horizon, and the Emergence of Vendor-Neutral Archives“. Journal of Pathology Informatics. PMID  30607307. Citováno 30 zář 2020. Citovat deník vyžaduje | deník = (Pomoc)
  2. ^ „Zobrazování celého snímku | MBF Bioscience“. www.mbfbioscience.com. Citováno 2019-12-02.
  3. ^ Holzinger, Andreas; Goebel, Randy; Mengel, Michael; Mueller, Heimo (eds.) (2020). Umělá inteligence a strojové učení pro digitální patologii: nejmodernější a budoucí výzvy. Cham: Springer. ISBN  978-3-030-50402-1.CS1 maint: další text: seznam autorů (odkaz)
  4. ^ Ferreira, R; Moon, J; Humphries, J; Sussman, A; Saltz, J; Miller, R; Demarzo, A (1997). „Virtuální mikroskop“. Rumunský deník morfologie a embryologie. 45: 449–453. PMC  2233368. PMID  9357666.
  5. ^ Hamilton, Peter W .; Wang, Yinhai; McCullough, Stephen J .; Sussman (2012). "Virtuální mikroskopie a digitální patologie ve výcviku a vzdělávání". APMIS. 120 (4): 305–315. doi:10.1111 / j.1600-0463.2011.02869.x. PMID  22429213. S2CID  20599493.
  6. ^ Stěžejní biologické vědy. „Jak zlepšit skenování celého snímku v digitální patologii“. Flagship Biosciences LLC. Citováno 25. září 2013.
  7. ^ „FDA umožňuje marketing prvního celého systému pro zobrazování diapozitivů pro digitální patologii“. Citováno 24. května 2017. Citovat deník vyžaduje | deník = (Pomoc)
  8. ^ Mukhopadhyay, Sanjay; Feldman, Michael; Abels, Esther (2017). „Zobrazování celého snímku versus mikroskopie pro primární diagnostiku v chirurgické patologii: multicentrická randomizovaná zaslepená studie neinferiority případů z roku 1992 (klíčová studie)“. American Journal of Surgical Pathology. 42 (1): 39–52. doi:10.1097 / PAS.0000000000000948. PMC  5737464. PMID  28961557.
  9. ^ Siegel, Gabriel; Regelman, Dan; Maronpot, Robert; Rosenstock, Moti; Hayashi, Shim-mo; Nyska, Abraham (říjen 2018). „Využití nového telepatologického systému v preklinických studiích a vzájemném hodnocení“. Journal of Toxicologic Pathology. 31 (4): 315–319. doi:10.1293 / tox.2018-0032. PMC  6206289. PMID  30393436.
  10. ^ „Jak vybudovat obchodní případ, který ospravedlní investice do digitální patologie“. Lékařské systémy Sectra. Citováno 26. dubna 2015.
  11. ^ Aeffner, Famke; Zarella, Mark D .; Buchbinder, Nathan; Bui, Marilyn M .; Goodman, Matthew R .; Hartman, Douglas J .; Lujan, Giovanni M .; Molani, Mariam A .; Parwani, Anil V .; Lillard, Kate; Turner, Oliver C. (03.03.2019). „Úvod do analýzy digitálního obrazu v celoobrazovkovém zobrazování: Bílá kniha od asociace Digital Pathology Association“. Journal of Pathology Informatics. 10: 9. doi:10.4103 / jpi.jpi_82_18. ISSN  2229-5089. PMC  6437786. PMID  30984469.

Další čtení