معلومة

كيف يمكنني تنزيل شريحة نسيجية من أرشيف الشرائح الرقمية للسرطان

كيف يمكنني تنزيل شريحة نسيجية من أرشيف الشرائح الرقمية للسرطان



We are searching data for your request:

Forums and discussions:
Manuals and reference books:
Data from registers:
Wait the end of the search in all databases.
Upon completion, a link will appear to access the found materials.

هل يمكن أن تخبرني ما إذا كان ذلك ممكنًا وكيفية تنزيل بيانات الصور من http://cancer.digitalslidearchive.net؟

شكرا لك.


مستقبل علم الأمراض الرقمي

مايكل شوبرت ، لوك تورنر | 10/22/2020 | تعد قراءة

على الرغم من استمرار بعض المشككين ، إلا أن قيمة علم الأمراض الرقمي يتم الاعتراف بها بشكل متزايد في جميع أنحاء العالم - لا سيما في عصر ما بعد الجائحة. يستعرض المتحمسون الرقميون جونهان هو وسيلفان مايلهوت الوضع الحالي للعب وكيف يمكن تشجيع التبني الرقمي.

علم الأمراض الرقمي ، الآن ، بلا منازع مستقبل المجال. على الرغم من أن البعض لا يزالون مترددين في قبول مكانه في المختبر - وعلى الرغم من اعتماده البطيء في العديد من المؤسسات - إلا أن صورة الشرائح الرقمية تحل ببطء محل الشريحة الزجاجية على مسرح المجهر. المرونة والدقة والقدرة على نشر أدوات تحليل الصور والمعلوماتية المتطورة باستمرار تجعل علم الأمراض الرقمي خيارًا جذابًا. ومع ذلك ، لا تزال هناك عقبات كبيرة - النفقات الأولية ، وتدفقات العمل المعطلة ، والبنية التحتية المتغيرة المطلوبة للتنفيذ تمنع العديد من المختبرات من الوصول إلى الإمكانات الكاملة لعلم الأمراض الرقمي.

ومع ذلك ، فإن اندلاع أزمة COVID-19 في بداية عام 2020 أدى فقط إلى تسليط الضوء على بعض الفوائد الرئيسية للأنظمة الرقمية. مكّنت تلك المؤسسات ذات علم الأمراض الرقمي أخصائيي علم الأمراض من إدارة أعباء العمل والتشخيص بشكل أفضل من الراحة - والأمان - في منازلهم. يمكن أن تعرقل القضايا التنظيمية التبني الرقمي - ولكن بينما نتكيف مع العواقب العملية للوباء ، تقوم المجتمعات الطبية والتنظيمية بتحليل متزايد لطرق الجمع بين رقمنة الشرائح وفوائد التشخيص عن بُعد. لمعرفة المزيد حول الوضع الحالي للعب وأين تتجه الأمور ، تحدثنا إلى جونان هو وسيلفان ميلهوت ، وهما اختصاصيان في علم الأمراض يتمتعان بخبرة رقمية.

محتوى مدعوم

كيف يمكن للذكاء الاصطناعي في المختبر أن يفيد علماء الأمراض والمرضى؟

انضم إلى The Pathologist and ContextVision في 25 مارس للاستماع إلى Filippo Fraggetta وهو يشارك تجربته والنتائج السريرية من استخدام فحص البروستات من INIFY.

وقت التغيير
عندما رأى جونهان هو صورة شريحة كاملة لأول مرة أثناء إقامته في علم الأمراض ، فقد ذهل. يقول: "كنت أعلم أننا في يوم من الأيام سنقوم جميعًا بالتشخيص بشكل روتيني باستخدام علم الأمراض الرقمي". في الوقت نفسه ، على الرغم من ذلك ، كان يشعر بالإحباط من البرامج الطبية المرهقة المعروضة. "لقد شعرت بالإحباط الشديد لمقدار الوقت الذي أهدرناه في النقر على الأزرار غير الضرورية. شعرت في ذلك الوقت بأن لدينا فرصة فريدة للتأثير على مستقبل برامج علم الأمراض لعقود قادمة ". أدت إحدى الرؤى للمستقبل إلى تدفقات عمل غير كاملة في علم الأمراض فرضتها البرامج السيئة على الآخر إلى علماء الأمراض السعداء والملهمين في العمل - وأراد هو أن يفعل كل ما في وسعه لجعل هذا الأخير حقيقة واقعة.

مع ظهور الوباء ، جاءت تطلعاته في الوقت المناسب. يوضح "هو" قائلاً: "لقد سرّع COVID-19 بالفعل الحاجة إلى التعلم عن بعد ، وقمنا بتحويل كل تعليمنا إلى صور الشرائح الكاملة". ولكن ، مع تحول التعليم إلى الديمقراطية بشكل متزايد ، لاحظ غيابًا صارخًا - منصة للأطباء ، وخاصة أخصائيي علم الأمراض ، لتبادل معارفهم. لحل هذه المشكلة ، ابتكر Ho KiKo - وهو اختصار لعبارة "المعرفة في الخارج والمعرفة". هناك ، يشارك أخصائيو علم الأمراض مجموعات من حالات الصور كاملة الشرائح مقترنة بمقاطع فيديو وأشكال أخرى من المحتوى. و KiKo ينطلق. في الآونة الأخيرة ، استضافت المنصة أولى جولاتها الكبرى في مجال أمراض الجلد الرقمية العالمية ، حيث شارك أطباء الأمراض الجلدية في جميع أنحاء العالم الحالات وتبادلوا أفضل النصائح والحيل.

يقول هو "علم الأمراض الرقمي يمكّن أخصائي علم الأمراض". "لم نعد مقيدًا بالسلاسل إلى موقع معمل الأنسجة. علاوة على ذلك ، يفتح علم الأمراض الرقمي مجموعة جديدة كاملة من المعلوماتية وأدوات تحليل الصور التي بدأنا للتو في إنشائها ". ومع ذلك ، يحذر من أنه ليست كل برامج علم الأمراض الرقمية تقدم تجربة مستخدم جيدة - ومن المهم إقناع البائعين بأهمية وجود مصممين مخصصين لتجربة المستخدم في فريقهم.

ولكن هل الآن هو الوقت المناسب للانتقال إلى الرقمية؟ هو يعتقد ذلك. يقول: "ستوفر أنظمة المستشفيات المال مع علم الأمراض الرقمي عن طريق تقليل الأخطاء وتوزيع أعباء العمل بشكل ديناميكي". "آمل أن تكون الوكالات التنظيمية أكثر استعدادًا للسماح لعلماء الأمراض بتبني علم الأمراض الرقمي ، نظرًا لأن الوباء قد أبرز الحاجة."

أهم نصيحة: "القمامة في = إخراج القمامة. للحصول على صور جيدة ونظيفة ، يجب أن يضع مختبر الأنسجة شرائح جيدة ونظيفة ".

إظهار الرغبة الرقمية
بعد أن اختبر سيلفان ميلهوت الشرائح الرقمية لأول مرة خلال مشروع التخاطر الظاهري لجامعة لافال ، أدرك إمكاناته غير المحدودة وكان متأكدًا من أن المجال سيكون رقميًا بالكامل في غضون خمس سنوات. لماذا ا؟ "لديك إمكانية الوصول الفوري إلى الزملاء في أي مكان على هذا الكوكب. يمكنك نقل الملفات والحصول بسرعة على رأي ثانٍ "، يشرح مايلهوت. "قد يكون من الصعب أيضًا تحديد موقع الشرائح فعليًا عند الحاجة ، لذا فإن القدرة على الوصول إليها فورًا على نظام رقمي يوفر الكثير من الوقت." يعتقد Mailhot أيضًا أن علم الأمراض الرقمي أكثر راحة من الإعداد التقليدي ، حيث توفر عارضات الشرائح الرقمية تجربة عمل أكثر راحة من الجلوس على مجهر.

ولكن لماذا لم يتم تبني علم الأمراض الرقمي بشكل كامل في جميع أنحاء المجال كما توقع Mailhot قبل عقد من الزمن؟ يقول: "استنادًا إلى خبرتي في العمل مع الشرائح الرقمية والمناقشات مع الآخرين في جميع أنحاء كندا والولايات المتحدة ، فإن العقبة الرئيسية أمام علم الأمراض الرقمي هي مقاومة أخصائي علم الأمراض". يعتقد Mailhot أنه لكي ينجح التبني الرقمي ، يجب أن يصل عدد أخصائيي علم الأمراض المهتمين والمتحمسين لعلم الأمراض الرقمي إلى عتبة حرجة. وهو يقر بأنه يمكن أن تكون هناك عقبات عندما يتعلق الأمر بالتنفيذ الرقمي - ولكن لا يمكن التغلب على أي منها. يوضح Mailhot: "هناك فجوة بين إنتاج الشرائح والصورة الرقمية عند مسح الشرائح الخاصة بك ، لذا من المهم وضع نظام لتحديد أولويات الشرائح المهمة". "ستكون هناك أيضًا أوقات تشعر فيها بخيبة أمل من جودة الصورة الرقمية ، وهذا هو السبب في أننا نقوم يدويًا بإجراء مسح مسبق لجميع الشرائح لاكتشاف أي مناطق خارج نطاق التركيز."

يعود الفضل جزئيًا في علم الأمراض الرقمي إلى أن مختبر Mailhot نجح في التكيف مع تحديات COVID-19. مع عدم السماح بالعمل في الموقع أثناء الإغلاق ، فإن القدرة على تشخيص الحالات رقميًا تعني أن علماء الأمراض يمكن أن يعملوا من منازلهم بأمان. يسلط Mailhot الضوء أيضًا على فوائد سير العمل في حالة المرض. "إذا لم يستطع اختصاصي علم الأمراض العمل ، يمكنني فورًا إعادة إرسال الشرائح إلى أخصائي علم أمراض مختلف في النظام. في السابق ، كان عليّ الذهاب إلى مكتبهم لاسترداد الشرائح وإعادة توزيعها فعليًا ".

بالنظر إلى معدل التبني الحالي ، كيف يقترح Mailhot إقناع المشككين بأن علم الأمراض الرقمي هو الطريق إلى الأمام؟ "لدى بعض علماء الأمراض فكرة خاطئة مفادها أن الشرائح الرقمية لن تبدو أبدًا بجودة الزجاج تحت المجهر - وأنها تستغرق وقتًا أطول للتنقل. لإثبات أن الأمر ليس كذلك ، من المهم عرض شرائح رقمية لهؤلاء الأشخاص على شاشة عالية الجودة باستخدام نظام متقدم لإثبات جودة الصورة وسهولة الاستخدام ". بمجرد انضمام الأشخاص ، يعتقد Mailhot أن الخطوة الثانية للتنفيذ الناجح هي العمل عن كثب مع قسم تكنولوجيا المعلومات. ويقول إن الأمر لا يتعلق فقط بالحصول على صورة رائعة ، ولكن أيضًا عن امتلاك مرافق تخزين وشبكة كافية لدعم نظام رقمي سلس.

على الرغم من أن الانتقال إلى التشخيص الرقمي الروتيني يمكن أن يكون مكلفًا للمؤسسات في البداية ، إلا أن Mailhot يعتقد أن المدخرات طويلة الأجل تجعله يستحق العناء. سيؤدي دمج إنتاج الشرائح الرقمية في موقع واحد وتوزيع الشرائح رقميًا وتحسين تنظيم الشرائح إلى توفير المال والوقت على المدى الطويل. يقول مايلهوت: "بالنظر إلى المستقبل ، أعتقد أن أدوات الذكاء الاصطناعي المتطورة ستجبر المختبرات على التحول إلى التكنولوجيا الرقمية". "بمجرد تحقيق الوعد المبكر للذكاء الاصطناعي ، سيوفر الفرز المسبق للشرائح إلى فئات الوقت والمال."

بعد مسح الشرائح ضوئيًا وتشخيصها رقميًا لسنوات عديدة ، يعتقد Mailhot أن المؤسسات مثله لها دور رئيسي تلعبه. "ستعمل المختبرات التي أجرت الانتقال بالفعل على بناء الخبرة والمعرفة المتخصصة - وعليهم التأكد من أنهم ينقلونها إلى الآخرين لزيادة قيمة علم الأمراض الرقمي وللمساعدة في عملية الانتقال."

أهم نصيحة Mailhot: "أعتقد أن الناس لديهم مفاهيم خاطئة حول علم الأمراض الرقمي. أنصح الجميع بتجربتها. انظر إلى الشرائح باستخدام شاشة عالية الجودة ، وجهاز كمبيوتر ، وماسح ضوئي ، وأعتقد أنك ستحبه! "

جونان هو أستاذ مساعد في طب الأمراض الجلدية وعلم الأمراض ومدير وحدة الأمراض الجلدية في المركز الطبي بجامعة بيتسبرغ ، بيتسبرغ ، بنسلفانيا ، الولايات المتحدة الأمريكية.

سيلفان مايلهوت هو المدير الطبي لمختبر PathAssistant ، مونكتون ، نيو برونزويك ، كندا.


الملخص

خلفية

تقريبًا لكل مريض مصاب بسرطان القولون والمستقيم (CRC) ، تتوفر شرائح الأنسجة المصبوغة بالهيماتوكسيلين ويوزين (HE). تحتوي هذه الصور على معلومات كمية ، والتي لا تُستخدم بشكل روتيني لاستخراج المؤشرات الحيوية الإنذارية بشكل موضوعي. في هذه الدراسة ، قمنا بالتحقيق فيما إذا كانت الشبكات العصبية التلافيفية العميقة (CNNs) يمكنها استخراج تنبؤات مباشرة من هذه الصور المتاحة على نطاق واسع.

الطرق والنتائج

لقد حددنا مناطق الأنسجة المفردة يدويًا في 86 شريحة أنسجة CRC ، مما أسفر عن أكثر من 100000 رقعة صورة HE ، واستخدمناها لتدريب CNN عن طريق نقل التعلم ، والوصول إلى دقة تسع فئات تصل إلى 94٪ في مجموعة بيانات مستقلة من 7180 صورة من 25 مريضا CRC. باستخدام هذه الأداة ، أجرينا تحليلًا آليًا للأنسجة لصور HE التمثيلية متعددة الأنسجة من 862 شريحة HE في 500 مريض من المرحلة الأولى إلى الرابعة من CRC في مجموعة أطلس جينوم السرطان (TCGA) ، وهي مجموعة دولية كبيرة متعددة المراكز من أنسجة CRC. استنادًا إلى عمليات تنشيط الخلايا العصبية الناتجة في شبكة CNN ، قمنا بحساب "درجة السدى العميق" ، والتي كانت عاملاً تنبؤياً مستقلاً للبقاء الكلي (OS) في نموذج الخطر النسبي متعدد المتغيرات كوكس (نسبة الخطر [HR] مع فاصل ثقة 95٪ [ CI]: 1.99 [1.27–3.12] ، ص = 0.0028) ، بينما في نفس المجموعة ، كان القياس الكمي اليدوي لمناطق اللحمة وتوقيع التعبير الجيني للخلايا الليفية المرتبطة بالسرطان (CAFs) تنبؤيًا فقط في مراحل الورم المحددة. قمنا بالتحقق من صحة هذه النتائج في مجموعة مستقلة من 409 من مرضى المرحلة الأولى إلى الرابعة من CRC من دراسة "Darmkrebs: Chancen der Verhütung durch Screening" (DACHS) الذين تم تجنيدهم بين عامي 2003 و 2007 في مؤسسات متعددة في ألمانيا. مرة أخرى ، كانت النتيجة عاملاً تنبؤياً مستقلاً لنظام التشغيل (HR 1.63 [1.14–2.33] ، ص = 0.008) ، نظام تشغيل خاص بـ CRC (HR 2.29 [1.5–3.48] ، ص = 0.0004) ، والبقاء على قيد الحياة بدون انتكاس (RFS HR 1.92 [1.34–2.76] ، ص = 0.0004). مطلوب التحقق من صحة المحتملين قبل أن يمكن تنفيذ هذا المرقم الحيوي في سير العمل السريري.

الاستنتاجات

في دراستنا بأثر رجعي ، أظهرنا أن CNN يمكنها تقييم البيئة المكروية للورم البشري والتنبؤ بالتشخيص مباشرة من الصور النسيجية المرضية.


نتائج

تعلم نتائج المريض مع الشبكات العصبية التلافيفية العميقة البقاء على قيد الحياة.

تم توضيح بنية نموذج SCNN في الشكل 1 (يوضح الشكل S1 مخططًا تفصيليًا). يتم أولاً رقمنة أقسام الأنسجة الملطخة H & ampE إلى صور شريحة كاملة. تتم مراجعة هذه الصور باستخدام نظام أساسي قائم على الويب لتحديد مناطق الاهتمام (ROIs) التي تحتوي على ورم قابل للحياة بخصائص نسيجية تمثيلية وخالية من القطع الأثرية (أساليب) (34 ، 35). تُستخدم الحقول عالية الطاقة (HPFs) من عوائد الاستثمار هذه لتدريب شبكة تلافيفية عميقة تتكامل بسلاسة مع نموذج المخاطر النسبية لكوكس للتنبؤ بنتائج المرضى. تتكون الشبكة من طبقات مترابطة لعمليات معالجة الصور والوظائف غير الخطية التي تحول صورة HPF بالتتابع إلى ميزات تنبؤية عالية. تستخرج الطبقات التلافيفية أولاً الميزات المرئية من HPF بمقاييس متعددة باستخدام نوى تلافيفية وعمليات التجميع. تتغذى هذه الميزات المشتقة من الصور في طبقات متصلة بالكامل تقوم بتحولات إضافية ، وبعد ذلك ، تنتج طبقة نموذج كوكس النهائية توقعًا لمخاطر المريض. يتم تدريب أوزان الترابط والنواة التلافيفية من خلال مقارنة المخاطر التي تنبأت بها الشبكة بالبقاء أو النتائج الأخرى للحدث باستخدام تقنية الانتشار العكسي لتحسين الاحتمالية الإحصائية للشبكة (أساليب).

نموذج ال SCNN. تجمع شبكة SCNN بين شبكات CNN للتعلم العميق ونماذج البقاء التقليدية لتعلم الأنماط المتعلقة بالبقاء من صور الأنسجة. (أ) يتم إنشاء صور شريحة كاملة كبيرة عن طريق رقمنة شرائح الزجاج الملون H & ampE. (ب) يتم استخدام العارض المستند إلى الويب لتحديد عائد الاستثمار التمثيلي في الصورة يدويًا. (ج) يتم أخذ عينات من HPFs من هذه المناطق واستخدامها لتدريب شبكة عصبية للتنبؤ ببقاء المريض. يتكون SCNN من (أنا) الطبقات التلافيفية التي تتعلم الأنماط المرئية المتعلقة بالبقاء باستخدام عمليات الالتفاف والتجميع ، (ثانيا) طبقات متصلة بالكامل توفر تحويلات غير خطية إضافية لخصائص الصورة المستخرجة ، و (ثالثا) طبقة كوكس للمخاطر النسبية التي تصمم بيانات من وقت إلى حدث ، مثل البقاء الكلي أو وقت التقدم. تتم مقارنة التنبؤات بنتائج المرضى لتدريب أوزان الشبكة بشكل تكيفي التي تربط الطبقات ببعضها البعض.

لتحسين أداء نماذج SCNN ، قمنا بتطوير أسلوب أخذ العينات وتصفية المخاطر لمعالجة عدم التجانس داخل الورم والتوافر المحدود لعينات التدريب (الشكل 2). في التدريب ، يتم أخذ عينات من HPFs الجديدة بشكل عشوائي من كل عائد استثمار في بداية كل تكرار تدريب ، مما يوفر لنموذج SCNN نظرة جديدة على الأنسجة لكل مريض والتقاط عدم التجانس ضمن عائد الاستثمار. تتم معالجة كل HPF باستخدام تقنيات زيادة البيانات القياسية التي تحول الحقل بشكل عشوائي لتعزيز متانة الشبكة لتوجيه الأنسجة والاختلافات في التلوين (33). يتم تدريب SCNN باستخدام عدة HPFs محولة لكل مريض (واحد لكل عائد استثمار) لمزيد من الحساب للتغاير داخل الورم عبر ROIs. للتنبؤ المحتمل ، قمنا أولاً بأخذ عينات متعددة من HPFs داخل كل عائد استثمار لإنشاء مجموعة تمثيلية من الحقول للمريض. يتم حساب متوسط ​​المخاطر داخل كل عائد استثمار ، ومن ثم يتم فرز هذه المخاطر المتوسطة وتصفيتها للتنبؤ بمخاطر قوية على مستوى المريض تعكس عدوانية مرضهم مع رفض أي تنبؤات بالمخاطر البعيدة. تم وصف إجراءات أخذ العينات والتصفية هذه بالتفصيل في أساليب.

تستخدم شبكة SCNN أخذ عينات الصور والتصفية لتحسين متانة التدريب والتنبؤ. (أ) أثناء التدريب ، يتم أخذ عينات HPF واحدة 256 × 256 بكسل من كل منطقة ، مما ينتج HPFs متعددة لكل مريض. يخضع كل HPF لسلسلة من التحولات العشوائية ثم يتم استخدامه كعينة مستقلة لتحديث أوزان الشبكة. يتم أخذ عينات من HPFs الجديدة في كل فترة تدريب (يمر تدريب واحد من خلال جميع المرضى). (ب) عند التنبؤ بنتيجة مريض تم تشخيصه حديثًا ، يتم أخذ عينات من تسعة HPFs من كل عائد استثمار ، ويتم توقع مخاطر لكل مجال. يتم حساب متوسط ​​مخاطر HPF في كل منطقة ، ثم يتم فرز هذه المخاطر المتوسطة ، ويتم اختيار ثاني أعلى قيمة على أنها مخاطر المريض. تم تصميم إطار أخذ العينات والتصفية هذا للتعامل مع عدم تجانس الأنسجة عن طريق محاكاة التقييم النسيجي اليدوي ، حيث يعتمد الإنذار عادةً على المنطقة الأكثر خبيثة التي لوحظت داخل عينة غير متجانسة. كان للتنبؤات التي تستند إلى أعلى درجة من المخاطر وثاني أعلى خطر أداء متساوٍ في المتوسط ​​في تجاربنا ، ولكن الحد الأقصى للمخاطر أنتج بعض القيم المتطرفة مع دقة تنبؤ ضعيفة.

تقييم الدقة التنبؤية لـ SCNN.

لتقييم دقة النذير لـ SCNN ، قمنا بتجميع أقسام أنسجة الصورة كاملة الشرائح من عينات مثبتة بالفورمالين ومضمنة بالبارافين ومتابعة سريرية لـ 769 ورم دبقي من TCGA (Dataset S1). تشتمل مجموعة البيانات هذه على الأورام الدبقية منخفضة الدرجة (الصفان الثاني والثالث لمنظمة الصحة العالمية) والأورام الأرومية الدبقية (منظمة الصحة العالمية من الدرجة الرابعة) ، وتحتوي على كلٍ من الأورام النجمية وأورام الدبقية قليلة التغصُّن ، وتتراوح أعمارها الإجمالية من أقل من 1 إلى 14 عامًا أو أكثر. يتم تقديم ملخص للتركيبة السكانية والدرجات والبقاء والأنواع الفرعية الجزيئية لهذه المجموعة في الجدول S1. تم استخدام Digital Slide Archive لتحديد عائد الاستثمار في 1،061 صورة شرائح كاملة ملطخة H & ampE من هذه الأورام.

تم تقييم الدقة النذير لنماذج SCNN باستخدام التحقق المتبادل من مونت كارلو. قمنا بتقسيم مجموعتنا بشكل عشوائي إلى مجموعات تدريب ثنائي (80٪) واختبار (20٪) لتوليد 15 زوجًا من مجموعات التدريب / الاختبار. قمنا بتدريب نموذج SCNN باستخدام كل مجموعة تدريب ، ثم قمنا بتقييم الدقة الإنذارية لهذه النماذج على مجموعات الاختبار المزدوجة ، مما أدى إلى إنشاء ما مجموعه 15 قياس دقة (أساليب ومجموعة البيانات S1). تم قياس الدقة باستخدام مؤشر Harrell's c ، وهو إحصاء غير معلمي يقيس التوافق بين المخاطر المتوقعة والبقاء الفعلي (36). يشير مؤشر c البالغ 1 إلى التوافق التام بين المخاطر المتوقعة والبقاء الكلي ، ويدل مؤشر c البالغ 0.5 على التوافق العشوائي.

للمقارنة ، قمنا أيضًا بتقييم الدقة النذير لنماذج كوكس الخطية الأساسية التي تم إنشاؤها باستخدام المؤشرات الحيوية الجينومية والدرجات النسيجية اليدوية من تصنيف منظمة الصحة العالمية للأورام الدبقية (الشكل 3).أ). تقوم منظمة الصحة العالمية بتعيين الأورام الدبقية المنتشرة إلى ثلاثة أنواع فرعية جينومية تحددها الطفرات في نازعة هيدروجين الإيزوسيترات (IDH) الجينات (IDH1/IDH2) وتشفير الكروموسومات 1p و 19q. ضمن هذه الأنواع الفرعية الجزيئية ، يتم تخصيص درجة نسيجية للأورام الدبقية بناءً على معايير تختلف اعتمادًا على الخلية الأصلية (إما نجمي أو قليل التغصن). تشمل هذه المعايير النشاط الانقسامي ، اللانمطية النووية ، وجود النخر ، وخصائص هياكل الأوعية الدموية الدقيقة (تكاثر الأوعية الدموية الدقيقة). تظل الدرجة النسيجية عاملاً محددًا مهمًا في التخطيط لعلاج الأورام الدبقية ، حيث يتم علاج الدرجتين الثالثة والرابعة عادةً بقوة بالإشعاع والعلاج الكيميائي المصاحب.

معايير التكهن للأورام الدبقية المنتشرة. (أ) يتم تحديد التشخيص في الأورام الدبقية المنتشرة عن طريق التصنيف الجيني والدرجات النسيجية اليدوية.يتم تصنيف الأورام الدبقية المنتشرة أولاً في واحد من ثلاثة أنواع فرعية جزيئية بناءً على IDH1/IDH2 الطفرات وحذف الكروموسومات 1p و 19q. ثم يتم تحديد الدرجة داخل كل نوع فرعي باستخدام الخصائص النسيجية. يتم تقسيم الأنواع الفرعية ذات النسب النجمي IDH حالة الطفرة ، والجمع بين حذف كود 1p / 19q و IDH الطفرة تحدد ورم الدبقيات قليلة التغصُّن. هذه الأنساب لها اختلافات نسيجية ومع ذلك ، فإن التقييم النسيجي ليس مؤشرا موثوقا للنوع الفرعي الجزيئي (37). تتراوح المعايير النسيجية المستخدمة في التصنيف من التشكل النووي إلى الأنماط ذات المستوى الأعلى ، مثل النخر أو وجود هياكل الأوعية الدموية الدقيقة غير الطبيعية. (ب) مقارنة الدقة النذير لنماذج SCNN مع تلك الخاصة بالنماذج الأساسية بناءً على النوع الفرعي الجزيئي أو النوع الفرعي الجزيئي والدرجة النسيجية. تم تقييم النماذج على أكثر من 15 مجموعة تدريب / اختبار مستقلة مع تعيينات عشوائية للمرضى ومع / بدون تدريب وأخذ عينات اختبار. (ج) ترتبط المخاطر التي تنبأت بها نماذج SCNN بكل من الدرجة النسيجية والنوع الفرعي الجزيئي ، وتتناقص مع الدرجة وتتجه بشكل عام مع العدوانية السريرية للأنواع الفرعية الجينومية. (د) مخططات كابلان ماير التي تقارن التصنيف النسيجي اليدوي وتنبؤات SCNN. تم إنشاء فئات المخاطر (منخفضة ، متوسطة ، عالية) من خلال عتبة مخاطر SCNN. لا ينطبق ، لا ينطبق.

أظهرت نماذج SCNN قوة تنبؤية كبيرة ، وحققت مؤشر c متوسطًا قدره 0.754 (الشكل 3ب). تم إجراء نماذج SCNN أيضًا بشكل مقارن مع نماذج خط الأساس اليدوية من الدرجة النسيجية (متوسط ​​مؤشر c 0.745 ، ص = 0.307) ومع نماذج خط الأساس من النوع الفرعي الجزيئي (متوسط ​​مؤشر c 0.746 ، ص = 4.68e-2). نماذج خط الأساس التي تمثل تصنيف منظمة الصحة العالمية التي تدمج كل من النوع الفرعي الجزيئي والدرجة النسيجية اليدوية كان أداءها أفضل قليلاً من SCNN ، بمتوسط ​​مؤشر c يبلغ 0.774 (رتبة موقع ويلكوكسون ص = 2.61e-3).

قمنا أيضًا بتقييم تأثير إجراءات أخذ العينات والترتيب الموضحة في الشكل 2 في تحسين أداء نماذج SCNN. أدى تكرار تجارب SCNN بدون تقنيات أخذ العينات هذه إلى تقليل مؤشر c المتوسط ​​لنماذج SCNN إلى 0.696 ، وهو أسوأ بكثير من النماذج التي تم فيها استخدام أخذ العينات (ص = 6.55e-4).

تنبؤات SCNN مرتبطة بالأنواع الفرعية الجزيئية والدرجة النسيجية اليدوية.

لمزيد من التحقيق في العلاقة بين تنبؤات SCNN ونموذج منظمة الصحة العالمية ، تصورنا كيفية توزيع المخاطر التي تنبأ بها SCNN عبر النوع الفرعي الجزيئي والدرجة النسيجية (الشكل 3).ج). كانت تنبؤات SCNN مرتبطة ارتباطًا وثيقًا بكل من النوع الفرعي الجزيئي والدرجة وكانت متسقة مع نتائج المريض المتوقعة. أولاً ، داخل كل نوع فرعي جزيئي ، تزداد المخاطر التي تنبأ بها SCNN مع الدرجة النسيجية. ثانيًا ، تتسق المخاطر المتوقعة مع النتائج الإجمالية المتوقعة المنشورة المرتبطة بالأنواع الفرعية الجزيئية (37). IDH تعتبر الأورام النجمية WT ، في معظمها ، شديدة العدوانية ، حيث يبلغ متوسط ​​البقاء على قيد الحياة 18 شهرًا ، والمخاطر الجماعية المتوقعة لهؤلاء المرضى أعلى منها بالنسبة للمرضى من الأنواع الفرعية الأخرى. IDH الأورام النجمية الطافرة هي نوع فرعي آخر يتمتع ببقاء إجمالي أفضل بكثير يتراوح من 3 إلى 8 سنوات ، والمخاطر المتوقعة للمرضى في هذا النوع الفرعي أكثر اعتدالًا. والجدير بالذكر أن مخاطر SCNN لـ IDH لا يتم فصل الأورام النجمية الطافرة جيدًا عن الصفين الثاني والثالث ، بما يتوافق مع تقارير الدرجة النسيجية كونها مؤشراً غير كافٍ للنتائج في هذا النوع الفرعي (38). ارتشاح الأورام الدبقية مع مزيج من IDH تُصنف الطفرات وحذف الكود للكروموسومات 1p / 19q على أنها أورام قليلة التغصُّن في مخطط منظمة الصحة العالمية الحالي ، ولديها أقل المخاطر الإجمالية المتوقعة بما يتفق مع إجمالي عدد الناجين من 10 + y (37 ، 39). أخيرًا ، لاحظنا اختلافًا كبيرًا في المخاطر المتوقعة عند مقارنة IDH متحولة و IDH الورم النجمي من الدرجة الثالثة WT (مجموع الرتبة ص = 6.56e-20). تشترك هذه الأنواع الفرعية في سلالة نجمية ويتم تصنيفها باستخدام معايير نسيجية متطابقة. على الرغم من أن بعض السمات النسيجية أكثر انتشارًا في IDH- الأورام النجمية الطافرة ، هذه السمات ليست محددة أو حساسة للغاية IDH الأورام الطافرة ولا يمكن استخدامها للتنبؤ بشكل موثوق بحالة طفرة IDH (40). تتسق المخاطر التي تنبأت بها شبكة SCNN مع النتائج الأسوأ لـ IDH ورم الخلايا النجمية WT في هذه الحالة (متوسط ​​البقاء على قيد الحياة 1.7 مقابل 6.3 y في IDH متحولة) ، مما يشير إلى أن نماذج SCNN يمكنها اكتشاف الاختلافات النسيجية المرتبطة بـ IDH الطفرات في الأورام النجمية.

أجرينا أيضًا تحليل Kaplan-Meier لمقارنة الدرجات النسيجية اليدوية مع "الدرجات الرقمية" بناءً على تنبؤات مخاطر SCNN (الشكل 3).د). تم إنشاء فئات منخفضة ومتوسطة وعالية الخطورة من خلال وضع عتبات على تنبؤات شبكة الاتصال المجتمعية (SCNN) لتعكس نسب الدرجات النسيجية اليدوية في كل نوع فرعي جزيئي (أساليب). لاحظنا أنه في كل نوع فرعي ، فإن الاختلافات في البقاء على قيد الحياة التي تم التقاطها بواسطة فئات مخاطر SCNN تشبه إلى حد كبير التصنيف النسيجي اليدوي. تتمتع فئات مخاطر SCNN والدرجات النسيجية اليدوية بقوة تنبؤية مماثلة في IDH الورم النجمي WT (رتبة السجل ص = 1.23e-12 مقابل. ص = 7.56e-11 على التوالي). في IDH الأورام النجمية الطافرة ، كل من فئات مخاطر SCNN والدرجات النسيجية اليدوية تجد صعوبة في فصل منحنيات Kaplan-Meier للصفين الثاني والثالث ، لكن كلاهما يميزان بوضوح الدرجة الرابعة على أنها مرتبطة بنتائج أسوأ. التمييز من أجل بقاء ورم الدبقيات قليلة التغصُّن مشابه أيضًا بين فئات مخاطر SCNN والدرجات النسيجية اليدوية (رتبة السجل ص = 9.73e-7 مقابل. ص = 8.63e-4 على التوالي).

تحسين دقة التشخيص من خلال دمج المؤشرات الحيوية الجينومية.

لدمج كل من البيانات النسيجية والجينومية في إطار تنبؤ موحد واحد ، قمنا بتطوير شبكة عصبية تلافيفية للبقاء الجينومي (نموذج GSCNN). تتعلم GSCNN من الجينوميات والأنسجة في وقت واحد من خلال دمج البيانات الجينومية في الطبقات المتصلة بالكامل من SCNN (الشكل 4). يتم تقديم كلا البيانات إلى الشبكة أثناء التدريب ، مما يتيح للمتغيرات الجينية التأثير على الأنماط التي تعلمتها شبكة SCNN من خلال توفير معلومات النوع الفرعي الجزيئي.

تدمج نماذج GSCNN بيانات الجينوم والتصوير لتحسين الأداء. (أ) تم تطوير بنية هجينة للجمع بين صورة الأنسجة وبيانات الجينوم لعمل تنبؤات متكاملة لبقاء المريض. تتضمن هذه النماذج المتغيرات الجينية كمدخلات لطبقاتها المتصلة بالكامل. هنا ، نعرض دمج المتغيرات الجينومية للأورام الدبقية ، ومع ذلك ، يمكن استخدام أي عدد من القياسات الجينومية أو البروتينية بالمثل. (ب) تتفوق نماذج GSCNN بشكل كبير على نماذج SCNN وكذلك نموذج منظمة الصحة العالمية بناءً على النوع الفرعي الجينومي والدرجات النسيجية.

كررنا تجاربنا باستخدام نماذج GSCNN مع صور الأنسجة ، IDH حالة الطفرة ، وحذف كود 1p / 19q كمدخلات ووجدت أن متوسط ​​مؤشر c قد تحسن من 0.754 إلى 0.801. أدت إضافة المتغيرات الجينية إلى تحسين الأداء بنسبة 5٪ في المتوسط ​​، وتفوقت نماذج GSCNN بشكل كبير على نموذج التصنيف الفرعي للنوع الفرعي لمنظمة الصحة العالمية المُدرَّب على البيانات المكافئة (الترتيب المُوقَّع) ص = 1.06e-2). لتقييم قيمة دمج المتغيرات الجينية مباشرة في الشبكة أثناء التدريب ، قمنا بمقارنة GSCNN بنهج تكامل أكثر سطحية ، حيث تم تدريب نموذج SCNN أولاً باستخدام صور الأنسجة ، ثم تم دمج المخاطر من هذا النموذج مع IDH ومتغيرات 1p / 19q في نموذج Cox بسيط ثلاثي المتغيرات (الشكل S2). قدمت معالجة المتغيرات الجينومية في الطبقات المتصلة تمامًا وإدراجها في التدريب نماذج فائدة ذات دلالة إحصائية تم تدريبها باستخدام النهج السطحي الذي كان أداءه أسوأ من نماذج GSCNN مع انخفاض مؤشر c إلى 0.785 (رتبة موقَّعة ص = 4.68e-2).

لتقييم القوة النذير المستقلة للمخاطر التي تنبأ بها كل من SCNN و GSCNN ، أجرينا تحليل انحدار كوكس متعدد المتغيرات (الجدول 1). في الانحدار متعدد المتغيرات الذي شمل مخاطر SCNN ، والنوع الفرعي ، والدرجة ، والعمر ، والجنس ، كانت مخاطر SCNN ذات نسبة مخاطر تبلغ 3.05 وكانت تنبؤية عند تصحيح جميع الميزات الأخرى ، بما في ذلك الدرجة اليدوية والنوع الفرعي الجزيئي (ص = 2.71e-12). كان النوع الفرعي الجزيئي مهمًا أيضًا في نموذج الانحدار متعدد المتغيرات SCNN ، لكن الدرجة النسيجية لم تكن كذلك. أجرينا أيضًا انحدارًا متعدد المتغيرات مع مخاطر GSCNN ووجدنا أن GSCNN مهم (ص = 9.69e-12) مع نسبة خطورة تبلغ 8.83. في نموذج الانحدار متعدد المتغيرات GSCNN ، لم يكن النوع الفرعي الجزيئي مهمًا ، لكن الدرجة النسيجية كانت مهمة هامشيًا. استخدمنا أيضًا تحليل Kaplan-Meier لمقارنة فئات المخاطر الناتجة عن SCNN و GSCNN (الشكل S3). كانت منحنيات البقاء على قيد الحياة لـ SCNN و GSCNN متشابهة جدًا عند تقييمها على المجموعة بأكملها. في المقابل ، كانت قدراتهم على تمييز البقاء ضمن الأنواع الفرعية الجزيئية مختلفة بشكل ملحوظ.

نسب المخاطر لنماذج انحدار كوكس أحادية ومتعددة المتغيرات

تصور الأنماط النسيجية المرتبطة بالتوقعات.

غالبًا ما يتم انتقاد شبكات التعلم العميق لكونها مقاربات الصندوق الأسود التي لا تكشف عن رؤى حول آليات التنبؤ الخاصة بها. لاستكشاف الأنماط المرئية التي تربطها نماذج SCNN بالنتائج السيئة ، استخدمنا تصورات الخريطة الحرارية لعرض المخاطر التي تنبأت بها شبكتنا في مناطق مختلفة من صور الشرائح بأكملها. تُستخدم تراكبات الخرائط الحرارية الشفافة بشكل متكرر للتصور في علم الأمراض الرقمي ، وفي دراستنا ، تمكن هذه التراكبات علماء الأمراض من ربط تنبؤات نماذج البقاء عالية الدقة بالأنسجة الأساسية على امتداد صورة شريحة كاملة. تم إنشاء خرائط الحرارة باستخدام نموذج SCNN مدرب للتنبؤ بالمخاطر لكل HPF غير متداخل في صورة شريحة كاملة. تم استخدام المخاطر المتوقعة لإنشاء تراكب شفاف مرمز بالألوان ، حيث يشير اللون الأحمر والأزرق إلى مخاطر أعلى وأقل لـ SCNN ، على التوالي.

يقدم الشكل 5 مجموعة مختارة من خرائط حرارة المخاطر من ثلاثة مرضى ، مع ترصيع يوضح كيف تربط شبكات SCNN بين المخاطر والظواهر المرضية المهمة. بالنسبة لـ TCGA-DB-5273 (منظمة الصحة العالمية من الدرجة الثالثة ، IDH الورم النجمي المتحور) ، توضح الخريطة الحرارية لـ SCNN بشكل واضح وعلى وجه التحديد مناطق انتشار الأوعية الدموية الدقيقة المبكرة ، وهو شكل متقدم من تكوين الأوعية الدموية الذي يعد سمة مميزة للتطور الخبيث ، باعتباره مرتبطًا بمخاطر عالية. يزداد الخطر في خريطة الحرارة هذه أيضًا مع الخلوية ، وعدم التجانس في الشكل والحجم النووي (تعدد الأشكال) ، ووجود هياكل الأوعية الدموية الدقيقة غير الطبيعية. المناطق في TCGA-S9-A7J0 لها نطاقات متفاوتة من تسلل الورم تتراوح من الدماغ الطبيعي إلى مناطق طبيعية مجاورة متسللة بشكل ضئيل تظهر الأقمار الصناعية (حيث تتجمع الخلايا الورمية حول الخلايا العصبية) إلى مناطق معتدلة وعالية التسلل. تربط خريطة الحرارة هذه بشكل صحيح أقل المخاطر بمناطق الدماغ الطبيعية ويمكن أن تميز الدماغ الطبيعي عن المناطق المجاورة التي لا يتم اختراقها بشكل ضئيل. ومن المثير للاهتمام ، أنه يتم تعيين مخاطر أعلى للمناطق قليلة التسلل (المنطقة 1 ، قمة) من المناطق التي تحتوي على تسلل الورم أكثر نسبيًا (المنطقة 2 ، قمة). لاحظنا نمطًا مشابهًا في TCGA-TM-A84G ، حيث المناطق الوذمة (المنطقة 1 ، قاع) المجاورة لمناطق الورم الخلوي المعتدل (المنطقة 1 ، قمة) أيضًا على مخاطر أعلى. توفر هذه الأمثلة الأخيرة ميزات مخاطر مضمنة في الأقسام النسيجية التي لم يتم التعرف عليها سابقًا ويمكن أن تساعد في تحسين ممارسة علم الأمراض.

تصور المخاطر باستخدام خرائط حرارية لشبكة SCNN كاملة الشرائح. لقد أجرينا تنبؤات SCNN بشكل شامل داخل صور الشريحة بأكملها لإنشاء تراكبات خرائط حرارية للمخاطر التي تربطها شبكة SCNN بأنماط نسيجية مختلفة. يشير اللون الأحمر إلى مخاطر أعلى نسبيًا ، بينما يشير اللون الأزرق إلى مخاطر أقل (يختلف مقياس كل شريحة). (قمة) في TCGA-DB-5273 ، يتنبأ SCNN بوضوح وبشكل خاص بمخاطر عالية لمناطق الانتشار المبكر للأوعية الدموية الدقيقة (المنطقة 1) وأيضًا مخاطر أعلى مع زيادة تسلل الورم وكثافة الخلايا (المنطقة 2 مقابل 3). (وسط) في TCGA-S9-A7J0 ، يمكن لـ SCNN التمييز بشكل مناسب بين القشرة العادية (المنطقة 1 في قاع) والمناطق المجاورة التي تسلل إليها الورم (المنطقة 1 في قمة). المناطق الخلوية العالية التي تحتوي على هياكل وعائية دقيقة بارزة (المنطقة 3) يتم تعيينها مرة أخرى لمخاطر أعلى من مناطق الورم منخفضة الكثافة (المنطقة 2). ومن المثير للاهتمام ، أن التسلل منخفض الكثافة في القشرة كان مرتبطًا بمخاطر عالية (المنطقة 1 في قمة). (قاع) في TCGA-TM-A84G ، تعين SCNN مخاطر عالية للمناطق المتوذمة (المنطقة 1 في قاع) المجاورة للورم (المنطقة 1 في قمة).


حلول مجهرية لعلم الأنسجة وعلم التشريح المرضي

يهدف علم الأمراض أو علم الأنسجة أو علم الأنسجة إلى دراسة مظاهر المرض عن طريق الفحص المجهري لتشكل الأنسجة. في علم الأمراض ، عادة ما تكون العينة التي يتم فحصها تحت المجهر نتيجة لعملية جراحية أو خزعة أو تشريح بعد التثبيت والمسح / التضمين وتقطيع عينة الأنسجة. بدلاً من ذلك ، تتم معالجة القسم المجمد باستخدام ناظم البرد عند الحاجة إلى نتائج سريعة (على سبيل المثال أثناء الجراحة) أو يكون التثبيت ضارًا بالبنى المستهدفة مثل الدهون أو بعض المستضدات. عادةً ما يتم تقطيع أقسام الأنسجة بعد التثبيت ودمج الشمع إلى شرائح رفيعة من 2 إلى 5 ميكرون مع مبضع قبل التلوين ونقلها إلى شريحة زجاجية لفحصها باستخدام مجهر ضوئي. العينات النموذجية في علم الأمراض هي القولون أو الكلى أو البنكرياس أو عنق الرحم أو الرئة أو الثدي أو البروستاتا أو النسيج الضام.

في حين تم تطوير إجراءات التلوين المختلفة للأنسجة البشرية / الحيوانية والنباتية في وقت مبكر من القرن السابع عشر ، كان الطبيب الألماني رودولف فيرشو هو أب علم التشريح الحديث. أدرك فيرشو إمكانات تقنيات الميكروسكوب الجديدة الناشئة في القرن التاسع عشر لأبحاثه الرائدة ، ونشر قدرًا هائلاً من الكتابات العلمية وأنشأ مجموعة رائعة من آلاف شرائح عينات الأنسجة المرضية ، وبالتالي بناء أساس علم الأنسجة الحديث وأبحاث السرطان.

يبدأ تحضير شريحة الأنسجة بتثبيت عينة الأنسجة. هذه خطوة حاسمة في تحضير الأنسجة ، والغرض منها هو منع التحلل الذاتي للأنسجة والتعفن. للحصول على أفضل النتائج ، يجب نقل عينات الأنسجة البيولوجية إلى مادة مثبتة فور جمعها ، وعادة ما تكون في شكل فورمالين محايد بنسبة 10٪ لمدة 24 إلى 48 ساعة. بعد التثبيت ، يتم قطع العينات باستخدام مشرط لتمكينها من وضعها في كاسيت مناديل مناسب يتم تخزينه في الفورمالين حتى تبدأ المعالجة.

الخطوة الأولى في المعالجة هي الجفاف ، والذي يتضمن غمر العينة في تركيزات متزايدة من الكحول لإزالة الماء والفورمالين من الأنسجة. المقاصة هي الخطوة التالية ، حيث يتم استخدام مذيب عضوي مثل الزيلين لإزالة الكحول والسماح بالتسلل بشمع البرافين. التضمين هو الخطوة الأخيرة ، حيث يتم اختراق العينات بعامل التضمين - عادةً شمع البارافين الذي يوفر مصفوفة دعم تسمح بتقطيع رفيع جدًا. يتم استخدام مبضع لتقطيع أقسام الأنسجة الرفيعة للغاية من الكتلة على شكل شريط ، بعد تلطيخ النسيج الكيميائي (عادةً الهيماتوكسيلين ويوزين - "صبغة HE") لتوفير تباين لأقسام الأنسجة ، مما يجعل هياكل الأنسجة مرئية بشكل أفضل ويسهل تقييمها . في بعض الحالات ، تكون اللطخات المناعية الكيميائية (IHC) ، مثل HER2 أو Ki-67 ، مطلوبة لمزيد من التحليل.


تحليلات الصور الرقمية على شرائح الرئة الكاملة في نماذج الفئران للالتهاب الرئوي الحاد

يعتبر علم الأنسجة الوصفي لنماذج الفئران للالتهاب الرئوي ضروريًا في تقييم نتائج العدوى أو التلاعب الجزيئي أو العلاجات في سياق الرئتين بالكامل. ومع ذلك ، فقد اقتصرت المقارنات الكمية بين المجموعات التجريبية على علم تجسيمي شاق أو أنظمة تسجيل سيئة التحديد تعتمد على ذاتية مراقب أكثر أو أقل خبرة. هنا ، نقدم تحليلات الصور الرقمية ذاتية التعلم التي تسمح لنا بتحويل المعلومات البصرية من أقسام رئة الفأرة بأكملها إلى بيانات قابلة للاختبار إحصائيًا. تم اعتماد برنامج قائم على التعرف على الأنماط وخوارزمية العد النووي لتحديد الأمراض التي يحددها المستخدم من عمليات مسح الشرائح الكاملة للرئتين المصابة العقدية الرئوية أو فيروس الأنفلونزا A مقارنة بالرئة التي تعاني من تحدي PBS. تم اقتراح معلمات القراءة "المنطقة النسبية المتأثرة" و "التعداد النووي لكل منطقة" كمعايير ذات صلة لتقدير حجم الآفات من أقسام الهيماتوكسيلين والأيوزين الملطخة ، مما يسمح أيضًا بتوليد خريطة حرارية ، على سبيل المثال ، تسلل الخلايا المناعية مع مهام تشريحية عبر أقسام الرئة بأكملها. علاوة على ذلك ، عند دمجها مع وضع العلامات الكيميائية الهيستوكيميائية المناعية لبروتينات الواسم ، يكون كلا النهجين مفيدًا في تحديد وحساب ، على سبيل المثال ، مجموعات الخلايا المناعية ، كما تم التحقق من صحتها هنا من خلال المقارنات المباشرة مع بيانات قياس التدفق الخلوي. يمكن تعديل الحلول بسهولة ومرونة لخصوصيات النماذج المختلفة أو مسببات الأمراض. قد تضع التحليلات الرقمية المؤتمتة لأقسام رئة الفأر بأكملها معيارًا جديدًا للتقدير الكمي المقارن الذي يحدده المستخدم وعالي الإنتاجية للصور النسيجية والكيميائية المناعية. ومع ذلك ، فإن الخوارزميات التي أنشأناها هنا ليست سوى بداية ، وتحتاج إلى اختبارها في دراسات إضافية وتطبيقات أخرى في المستقبل.

لعقود عديدة ، عمل علم التشريح المرضي الكلاسيكي كأداة قراءة أساسية لتقييم آفات الأنسجة وتسلل الخلايا المناعية في تجارب عدوى الرئة الحيوانية (على سبيل المثال ، في تقييم آثار العلاج أو في اكتشاف مسارات الإشارات الجزيئية). على سبيل المثال ، تعتبر العديد من أنماط الآفات النسيجية المحددة سمات تشخيصية رئيسية في تقييم إصابة الرئة الحادة التجريبية في الفئران (1). للاستفادة بشكل أكبر من هذه المعلومات الوصفية في المقام الأول ، تم إنشاء أنظمة تسجيل النقاط للسماح بإجراء تقييم دلالي أول للأمراض المستحثة تجريبياً ومقارنة تقريبية مع الضوابط (1 ، 2). في الرئة ، تشتمل أنظمة التسجيل هذه عادةً على العديد من المعلمات التي تعكس آفات الأنسجة المميزة وتسلل الخلايا التي يتم تحديدها جزئيًا عن طريق التقديرات الشخصية وتصنيف توزيع الآفة وشدتها (3). لإضافة نهج كمي أكثر ، يمكن تحديد معلمات التسجيل الفردية كمياً عن طريق العد اليدوي أو قياس الأحداث المختارة أو المناطق التمثيلية. ومع ذلك ، فإن هذه الأساليب تستغرق وقتًا طويلاً وغير دقيقة وذاتية بطبيعتها ، وبالتالي فهي إشكالية لتحليل مجموعات البيانات الكبيرة أو الاكتشاف الموثوق للاختلافات الصغيرة بين المجموعات (4 ، 5).من الواضح أن اتباع نهج أكثر دقة وقابلية للتكرار وأكثر حساسية ولكنه عملي لتقدير المناطق أو الأحداث الآفة القابلة للدراسات عالية الإنتاجية سيكون مرغوبًا فيه لجمع وتحليل وتفسير وتوصيل نتائج التشريح المرضي ، لا سيما للمقارنات المباشرة بين المجموعات التجريبية أو مع البيانات البيوكيميائية أو الجزيئية (6). اليوم ، يعتبر علم المجسمات المعيار الذهبي للتقدير المطلق لنقاط النهاية العددية ، مثل أرقام الخلايا أو الأسطح أو الأحجام. ومع ذلك ، تنطبق العديد من القيود على علم المجسمات ، بما في ذلك التكلفة العالية ونفقات الوقت ، فضلاً عن الافتقار العام إلى قابليتها للاستخدام للمواد الأرشيفية في الدراسات بأثر رجعي (5).

تقدم التطورات الأخيرة في التصوير الرقمي للشرائح الكاملة إمكانات واعدة في التحسين والمزيد من الفحص المحوسب للعينات النسيجية المرضية ، بما في ذلك الفحص بأثر رجعي للعينات غير المدمجة عشوائياً (7 ، 8). تسمح تقنية مسح الشرائح بالكامل (WSS) بمسح شريحة نسيجية كاملة ضوئيًا في ملف بيانات صورة ثنائي ، والتي يمكن تصورها وتقييمها ومعالجتها على شاشة الكمبيوتر بدون مجهر (8 ، 9). بالإضافة إلى ذلك ، فإن التطوير السريع لأدوات تحليل الصور الرقمية المورفومترية ثنائية الأبعاد (2D) تسرع وتبسط التحويل الدقيق لبيانات التشريح الوصفي أو الدلالي إلى بيانات رقمية قابلة للاختبارات الإحصائية (7 ، 10).

يقدم برنامج تحليل صور التعرف على الأنماط بمساعدة الكمبيوتر بُعدًا جديدًا في تحديد الهوية والتعلم الذاتي والتعلم الآلي وتحديد كمي للمناطق ذات الأهمية ضمن الصور النسيجية الرقمية (11). على وجه التحديد في الالتهاب الرئوي ، يمكن اعتبار مناطق الالتهاب الموزعة بشكل غير متجانس والتي تتميز بمعايير مختلفة ، مثل ارتشاح الخلايا المناعية ، أو الوذمة ، أو التغيرات الهيكلية ، مثل الانهيار أو انتفاخ الرئة ، أو مناطق النخر ، مناطق اهتمام محتملة. تم تصميم برنامج تحليل صورة التعرف على أنماط التعلم الذاتي ، GENIE ، لتحليلات عالية الإنتاجية ، مما يتيح التحقيق في دفعات كبيرة من الانزلاقات النسيجية الممسوحة ضوئيًا رقميًا في إطار زمني عملي (7 ، 10). يسمح التطور الثاني الأخير في التحليل المحوسب للانزلاقات النسيجية الممسوحة ضوئيًا ، والذي يُطلق عليه "التقدير الكمي للخلية الكاملة" ، بتحديد وتعداد مجموعة واسعة من الأنماط أو الأحداث النسيجية ، مثل الهيماتوكسيلين والأيوزين (H & ampE) - الخلايا الملطخة أو النوى أو إشارات كيميائية مناعية (9). بدلاً من إعطاء تقديرات مطلقة كما تم الحصول عليها بواسطة علم الفراغ (12 ، 13) ، ومع ذلك ، فإن مثل هذه الكميات من الأنماط والأحداث في أقسام الأنسجة ثنائية الأبعاد مناسبة بشكل خاص لتوليد النسب أو الكثافة ، مثل أرقام الخلايا لكل بنية تشريحية محددة أو مليمتر مربع.

حتى الآن ، لم يتم استخدام مثل هذه التطورات في DIA الآلي ، وتحديداً GENIE وأنظمة برمجيات قياس الخلية الكاملة ، إلا بشكل متقطع لفحص رئتي الفأر ، كما هو الحال في علم الأورام (14) ، ولكن ليس في الالتهاب الرئوي التجريبي. هنا ، نقدم خوارزمية GENIE القائمة على التعرف على الأنماط وخوارزمية العد النووي v9 (v9 nc) للتقدير الكمي النسبي لمعلومات بصرية ثنائية الأبعاد تم الحصول عليها عن طريق المسح الرقمي للأعضاء الملطخة H & ampE من الرئتين التي تواجه تحدي PBS أو الرئتين المصابة العقدية الرئوية أو فيروس الأنفلونزا A (IAV). في مقارناتنا مع البيانات التي تم الحصول عليها عن طريق قياس التدفق الخلوي (FC) ، أثبتت خوارزمية العد النووي أيضًا أنها قابلة للتشغيل من أجل القياس الكمي النسبي للأنواع الفرعية من الخلايا المناعية المسمى كيميائيًا مناعيًا ، مما يوسع من قابليتها للتطبيق على مستوى فى الموقع القياس الكمي للواسمات الجزيئية للمرض.

توجد تفاصيل حول الفئران وإجراءات العدوى والمعالجة والأنسجة والكيمياء المناعية (IHC) و FC وتحليلات الصور الرقمية في M ethods في ملحق البيانات.

تم اشتقاق جميع أنسجة الرئة من التجارب التي أجريت في المقام الأول لأغراض أخرى غير هذه الدراسة ونشرت في مكان آخر (15-18). تمت الموافقة على جميع الإجراءات المتعلقة بالحيوانات من قبل لجان الأخلاقيات المؤسسية في Charité-Universitätsmedizin Berlin ، وجامعة Justus-Liebig ، و Gießen ، ومستشفى Jena الجامعي ، والسلطات الحكومية المحلية (LaGeSo Berlin ، RP-Gießen ، TLV-Thüringen معرف الموافقة: A-0050/15 ، G 0139/14، 02-067 / 11، 02-043 / 15 [الرئوية الرئوية]، G 0358/11 [PBS]، G 0044/11 [IAV]). أجريت الدراسات على الحيوانات وفقًا لإرشادات وتوصيات الاتحاد الأوروبي لجمعيات علوم الحيوان المختبرية لرعاية واستخدام حيوانات المختبر ، وبُذلت كل الجهود لتقليل انزعاج الحيوانات ومعاناتها.

الفئران المصابة 5 × 10 6 cfu الرئوية الرئوية PN36 (النمط المصلي 3) - ، 5 × 10 7 cfu الرئوية الرئوية D39 (النمط المصلي 2) - أو 100 pfu PR8 - تم قتل الفئران التي تعرضت لتحدي PBS بشكل إنساني في 24 أو 48 ساعة (الرئوية الرئوية، PBS) أو 7 أيام (IAV) ، كما هو موضح سابقًا (15-19). تمت إزالة الرئتين بعناية بعد ربط القصبة الهوائية لمنع الانهيار السنخي ، وتم تثبيت الغمر في الفورمالين بدرجة حموضة 7.0 لمدة 24-48 ساعة ، وتركيبها في البارافين ، وتقطيعها إلى مقاطع 2 ميكرون.

أقسام الرئة الكاملة (ن = 4-8 فئران لكل مجموعة) ملطخة بـ H & ampE أو معالجتها لـ IHC. للكشف عن CD68 (الضامة / وحيدات) ، تم استخدام الإيلاستاز العدلات (العدلات) أو CD3 (الخلايا الليمفاوية التائية) أو CD45R (الخلايا الليمفاوية B) أو الأجسام المضادة للأرانب متعددة النسيلة أو الأجسام المضادة للفئران أحادية النسيلة ، على التوالي. تمت مواجهة الشرائح IHC بالهيمالون. تم تجفيف جميع الشرائح من خلال الإيثانول المتدرج ، وتنظيفها في زيلين ، وتغطيتها.

تم عزل كريات الدم البيضاء في الرئة وتلطيخها بمضاد CD11c (N418 ATCC) ، ومضاد CD11b (M1 / 70 eBioscience) ، ومضاد F4 / 80 (BM8 eBioscience) ، ومضاد Ly6G (1A8 BD) ، ومضاد CD3 (17A2 eBioscience) ، والأجسام المضادة لـ CD4 (RM4-5 BD) ، والأجسام المضادة لـ B220 (RA3-6B2 eBioscience) ، والأجسام المضادة لـ CD19 (1D3 BD). تم الحصول على جميع الخلايا الملطخة باستخدام BD FACS Canto II. تم تحليل الخلايا باستخدام برنامج BD FACSDiva.

تم ترقيم الشرائح الملطخة تلقائيًا (ن = 4–8 لكل مجموعة) باستخدام الماسح Aperio CS2 (Leica Biosystems Imaging Inc.) بمعدل تكبير 400 × (دقة 0.25 ميكرومتر / بكسل). للتعرف على أنماط أنسجة الرئة المصابة مقابل غير المصابة ، تم استخدام برنامج التعرف على أنماط الأنسجة Aperio GENIE (Leica Biosystems Imaging Inc.). تم تحديد المناطق التمثيلية لكل فئة من فئات الأنسجة ذات الأهمية (الجدول 1) من قبل أخصائي علم الأمراض البيطري التجريبي المدرب بناءً على السمات النسيجية ، وتم تجميعها في مونتاج رقمي بتكبير 100 × لإنشاء مصنف GENIE. تم تدريب هذا المصنف على شرائح الرئة المختلفة لدفعة واحدة للتمييز بين المناطق المتأثرة والخلفية والزجاج ، مما يسمح بالتوصيف والتكيف الخاصين بالنموذج (الجدول 1). تم استخدام خوارزمية Aperio v9 nc لتقدير إجمالي عدد النوى أو الخلايا الملطخة بالهيمالون أو بواسطة IHC مع إعدادات محددة لكل تلطيخ ومستضد مستخدم (ارى الجدول E1 في ملحق البيانات).

الجدول 1. تعريف أصناف الأنسجة في النماذج المحللة

يتم التعبير عن البيانات على أنها متوسط ​​(± SEM). تم إجراء التحليلات الإحصائية باستخدام اختبار المقارنة المتعددة ANOVA / Sidak أحادي الاتجاه واختبار المقارنة المتعددة ANOVA / تركيا ثنائي الاتجاه. ص تم اعتبار القيم الأقل من 0.05 مهمة (GraphPad PRISM 7 Graph Pad Software Inc.).

أحد أكثر معلمات القراءة الكمية شيوعًا في أنسجة الرئة هو تقدير منطقة الأنسجة المصابة (16 ، 17). ومع ذلك ، من الواضح أن كلاً من التقديرات الذاتية والقياسات البسيطة التي تستخدم أحجامًا قصوى في بعدين عرضة للتسبب في بيانات غير دقيقة ، مع إمكانية استنساخ محدودة عند إجرائها بواسطة إنسان. هنا ، شرائح أفقية كاملة الرئة من طائرات متتالية الرئوية الرئوية- تم رقمنة الرئتين المصابة بواسطة ماسح ضوئي لعلم الأمراض لإنشاء ملف بيانات صورة يمكن استخدامها لمزيد من DIA (الشكل 1A على سبيل المثال ، باستخدام أداة GENIE). يبدأ إنشاء خوارزمية GENIE الجديدة بتعريف فئات مختلفة من الآفات ، بما في ذلك أنسجة الرئة المصابة (الشكل 1 ب ، اللوحة اليسرى ، المسمى باللون الأحمر) ، أنسجة الرئة غير المتأثرة (الشكل 1 ب ، اللوحة المركزية ، المسمى باللون الأخضر) ، الخلفية (الشكل 1 ب ، اللوحة اليمنى ، المسمى باللون الرمادي) ، والزجاج فقط (الشكل 1 ب ، اللوحة اليمنى ، المسمى باللون البيج). يقدم البرنامج طرقًا مختلفة للتعليقات التوضيحية ، مثل الأشكال المستطيلة أو الدائرية أو أداة يدوية. تحقيقا لهذه الغاية ، تم إنشاء مونتاج (الشكل 1C) شمل فئات الأنسجة الأربعة المميزة تفاضليًا (الجدول 1) والتي تم تحديدها تلقائيًا لاحقًا بواسطة البرنامج (الشكل 1C) ، متبوعًا بالتقدير الكمي الدقيق. تقوم خوارزمية GENIE في الغالب باستخراج المعلومات متعددة الأطياف من الصور مع معالجة إضافية للصور يقوم بها المشغلون المكانيون والمنطقيون والعتبة. تم تحسين خوارزمية GENIE المحددة أثناء التعلم الحسابي التطوري من خلال عملية التعلم التكراري ، باستخدام ما لا يقل عن 500 تكرار ، لتحديد الميزات المكانية الطيفية الفريدة للتمييز بين كل فئة من الأنسجة المستهدفة. تم تحديد دقة التدريب النهائية المتوسطة بنسبة 95 ٪ أو أكثر مسبقًا على أنها كافية. تم تطبيق الخوارزمية النهائية ، المسماة "المصنف" في برنامج GENIE ، على عمليات مسح شريحة الرئة بأكملها (الشكل 1 د) بعد التعليق التوضيحي اليدوي (الخط الأخضر) لاستبعاد الأنسجة غير الرئوية ، مثل الأنسجة الدهنية والليمفاوية. تم تحديد جميع الفئات الأربعة المحددة بدقة في جميع أنحاء أقسام الرئة بأكملها (الشكلان 1D و 1E) بواسطة مصنف GENIE المحدد ، كما هو متوقع من قبل أخصائيي علم الأمراض المعتمدين من قبل المجلس (الشكل 1F). تم إنشاء كل مصنف GENIE بشكل منفصل لكل نموذج عدوى لالتقاط ميزاته الفريدة والممرضة الخاصة.

شكل 1. تحليل الصور الرقمية (DIA) —GENIE و v9 العد النووي (v9 nc). (أF) DIA من العقدية الرئوية- إصابة الرئتين باستخدام خوارزمية GENIE. (أ) تم تصور الرئتين بواسطة تقنية مسح الشرائح بالكامل (WSS). (بأدى تحديد فئات مختلفة من أنسجة الرئة عن طريق إنشاء مجموعة تدريب إلى مونتاج (ج) ، مما يسمح بالتمييز بين المتأثرين (بواللوحة اليسرى باللون الأحمر) وغير متأثر (ب، لوحة مركزية ، خضراء) مناطق الرئة ، الخلفية (بواللوحة اليمنى والرمادية) والزجاج (ب، اللوحة اليمنى ، بيج). (د) بعد التعليق التوضيحي اليدوي للرئتين (الخط الأخضر) واستنادًا إلى مجموعة التدريب والمونتاج التي تم إنشاؤها مسبقًا ، تم إنشاء مصنف GENIE للتمييز بين مناطق الرئة المصابة وغير المصابة. (ه) تم تحديد جميع الفئات المحددة ، مثل مناطق الالتهاب (على سبيل المثال ، التي تتميز بتسلل الخلايا المناعية إلى رأس سهم الفراغات السنخية) بدقة بواسطة خوارزمية GENIE التي تم إنشاؤها حديثًا. (جيأنا) DIA من الرئوية الرئوية- إصابة الرئتين باستخدام خوارزمية v9 nc. (جي) بعد التعليق التوضيحي اليدوي للرئتين (الخط الأخضر) ، تم تطبيق خوارزمية v9 المكيفة والمعدلة لتقدير النوى على عمليات مسح الرئة بأكملها. (ح و أنا) كان العدد الإجمالي للنوى الملطخة بالهيمالون بدقة (أقحم ، رأس السهم) ومقدارًا كميًا بشكل موثوق. شريط مقياس (أ): 1 مم ، ينطبق أيضًا على د و جي شريط مقياس (ه): 100 ميكرومتر ، ينطبق أيضًا على F قضبان مقياس (ب و ح): 50 ميكرومتر ، ينطبق أيضًا على أنا وشريط المقياس (يتم تضمينه في ح): 10 ميكرومتر ، ينطبق أيضًا على الشكل الداخلي أنا.

يعد تحديد الأعداد الإجمالية أو النسبية للخلايا أو مجموعات فرعية محددة من الخلايا مثل العدلات عن طريق العد اليدوي أو تحليلات FC معلمة نموذجية في تقييم نتائج الالتهاب الرئوي التجريبي (16 ، 17). لزيادة تحسين خيارات القراءة للشرائح النسيجية من نماذج عدوى الرئة ، تم تكييف خوارزمية v9 nc لتقدير النوى أو الخلايا هنا لتلبية الشروط المحددة (الجدول E1) في H & ampE الملطخة WSS من الرئوية الرئوية- الرئتين المصابة (الشكل 1G). بعد التعليق التوضيحي اليدوي لأنسجة الرئة (الشكل 1G ، الخط الأخضر) ، تم تحديد كمية النوى الملطخة بـ H & ampE (الشكل 1H ، أقحم) بواسطة الخوارزمية المعدلة (الشكل 1I ، أقحم).

يمكن أن يمثل التحديد الكمي الرقمي الدقيق لمناطق الرئة المصابة ، بالإضافة إلى حساب الخلايا أو الأحداث لكل منطقة في الأقسام النسيجية ، أداة قوية وموضوعية وموثوقة وقابلة للتكرار للغاية ولكنها عملية للمقارنة النسبية للمجموعات التجريبية (على سبيل المثال ، المعالجة مقابل المجموعات غير المعالجة) أو لتقييم آثار التعديلات الجينية لمسببات الأمراض أو العوائل. WSS للرئتين من الفئران المصابة بفئران تحكم PBS تواجه تحديًا الرئوية الرئوية أو IAV (الشكل 2A) باستخدام مصنفات GENIE المعدلة خصيصًا لتحديد مناطق الرئة المصابة وخوارزميات v9 nc المكيفة على وجه التحديد لتعداد النوى الإجمالية لكل منطقة داخل أقسام الرئة الكاملة (الشكل 2A). عندما يتم تحديد النسب أو الكثافة ، مثل الخلايا لكل منطقة ، على أقسام الأنسجة ثنائية الأبعاد التي تحتوي على آفات موزعة بشكل غير متجانس ، فمن الضروري معادلة إجراءات التحضير والتضمين والتقسيم لتقليل الآثار الفنية. بالإضافة إلى ذلك ، قد يكون انكماش الأنسجة الذي لا مفر منه أثناء تضمين البارافين مصدرًا للخطأ في مقارنات المجموعة عندما تختلف عيوب الانكماش بين المجموعات التجريبية (5). تحقيقا لهذه الغاية ، تم قياس مجموع مناطق الرئة من WSS المعالجة بالتساوي قبل التحليلات الرقمية ومقارنتها بين المجموعات التجريبية (الشكل 2 ب) ، بافتراض أحجام أولية متساوية للرئتين من الفئران من نفس السلالة والعمر والجنس. لم تسجل فروق بين مناطق مقطعية الرئة الكاملة للفئران المصابة الرئوية الرئوية (80.13 ± 21.89 مم 2) ، IAV (75.82 ± 16.20 مم 2) ، وتحدي مع PBS (77.96 ± 14.40 مم 2 الشكل 2 ب). في المقابل ، تمت زيادة مناطق حمة الرئة المصابة بشكل كبير في الفئران المصابة مقارنةً بالضوابط التي تعاني من تحدي PBS (PBS ، 12.80 ± 5.53٪ الرئوية الرئوية، 44.53 ± 10.58٪ IAV ، 28.97 ± 4.90٪ شكل 2C). باستمرار ، تم أيضًا زيادة أعداد النوى الكلية لكل قسم من الرئة بشكل ملحوظ بعد ذلك الرئوية الرئوية (750،404 ± 181،110 نواة) أو عدوى IAV (541،023 ± 157،223 نواة) مقارنةً بالرئة التي تعاني من تحدي PBS (400395 ± 51،519 نواة الشكل 2D). تم تسجيل اختلافات مماثلة في الكثافة الإجمالية للنواة لكل مساحة رئة مليمتر مربع (PBS ، 5،282 ± 878 نواة / مم 2 الرئوية الرئوية، 10342 ± 1163 نواة / مم 2 و IAV ، 7733 ± 575 نواة / مم 2 قسم الرئة الشكل 2E). جدير بالذكر أن الرئتين مصابة الرئوية الرئوية كانت أكثر تأثراً بشكل ملحوظ عند مقارنتها بالرئتين المصابة بـ IAV من حيث ارتفاع عدد الخلايا الإجمالية والمناطق الأكبر المتأثرة (الأشكال 2 أ و 2 ج و 2 هـ).

الشكل 2. مقارنات كمية بين نماذج عدوى الرئة وإمكانية استنساخ تحليلات الصور الرقمية. (أ) WSS لرئتي الفئران المصابة والمصابة بتحدي PBS (العقدية الرئوية تمت مقارنة [Spn] وفيروس الأنفلونزا A [IAV]) من حيث مساحة الرئة المصابة وإجمالي عدد النوى باستخدام خوارزميات العد النووي GENIE و v9 (v9 nc). (بتم قياس إجمالي مناطق المقطع العرضي لجميع الرئتين قبل تحليلات الصور الرقمية. (ج) نسب مناطق الرئة المصابة وكذلك (د) تم تحديد النوى الكلية لكل منطقة الرئة و (ه) تم تطبيعها إلى منطقة المقطع العرضي لتقييم النوى الكلية لكل منطقة (مم 2). (F و جيتم إجراء تحليلات متطابقة للرئتين المصابة بنمطين مصل مختلفين (ST) من المكورات الرئوية (ST2 ، D39 ST3 ، PN36) أو عناصر تحكم PBS في نقطتين زمنيتين مختلفتين ، 24 ساعة و 48 ساعة بعد الإصابة. يتم إعطاء القيم كمتوسط ​​(± SEM ن = 4-8 كل مجموعة). ## ص & lt 0.01، ### ص & lt 0.001 ، #### ص & lt 0.0001 مقابل عناصر تحكم PBS. *ص & lt 0.05 **ص & lt 0.01 ، ***ص & lt 0.001 ، ****ص & lt 0.0001 كما هو موضح باستخدام اختبار المقارنة المتعددة ANOVA / Sidak أحادي الاتجاه (ب و ه) واختبار ANOVA ثنائي الاتجاه / تركيا للمقارنة المتعددة (F و جي). شريط المقياس (WSS): 1 مم. (حتم تكرار الإجراء الكامل للتقدير الكمي بما في ذلك مسح الهستوسليدات ثلاث مرات باستخدام أربع شرائح مختلفة للرئة بأكملها من الالتهاب الرئوي بالمكورات الرئوية وخوارزميات v9 nc و GENIE. يتم إعطاء القيم كمتوسط ​​(± SEM ن = 4 عينات مع ثلاث تكرارات لكل عينة).

تم إجراء تحليلات الصور الرقمية للرئتين المصابة بنمطين مختلفين من المكورات الرئوية ، والأنماط المصلية 2 و 3 ، أو عناصر تحكم PBS في نقطتين زمنيتين مختلفتين ، 24 و 48 ساعة بعد الإصابة ، لتحديد ومقارنة شدة الالتهاب الرئوي المختلفة في سلالة- و أزياء تعتمد على الوقت. تم قياس عوامل الخطورة وهي النسب المئوية لمناطق الرئة المصابة وكذلك الأعداد المطلقة والنسبية للخلايا في الرئتين. كشفت البيانات بالفعل عن زيادة تعتمد على الوقت والإجهاد في النسب المئوية للمناطق المتأثرة (الشكل 2 و). وكذلك في عدد الخلايا (الشكل 2G). عند المقارنة مع عناصر تحكم PBS ، تسبب النمط المصلي 3 من سلالة PN36 في حدوث مناطق أكبر بكثير من الالتهاب الرئوي بطريقة تعتمد على النقطة الزمنية (24 ساعة ، PBS ، 9.80 ± 3.69٪ D39 ، 18.34 ± 10.38٪ PN36 ، 23.97 ± 8.21٪ 48 ساعة ، PBS ، 10.36 ± 6.74٪ D39 ، 34.23 ± 3.56٪ PN36 ، 46.52 ± 9.52٪ الشكل 2F). لوحظ تأثير مشابه جدًا لعدد الخلايا (24 ساعة ، PBS ، 4560 ± 378 نواة / مم 2 D39 ، 5،779 ± 1167 نواة / مم 2 PN36 ، 7584 ± 972 نواة / مم 2 قسم الرئة 48 ساعة ، PBS ، 5147 ± 1،205 نواة / مم 2 D39 ، 7574 ± 848 نواة / مم 2 PN36 ، 10186 ± 995 نواة / مم 2 قسم الرئة الشكل 2G). علاوة على ذلك ، تمشيا مع قدرتها المنخفضة المعروفة على إحداث الالتهاب الرئوي (20) ، تسببت سلالة النمط المصلي 2 D39 في حدوث زيادات أقل في كل من المعلمتين مقارنة بسلالة PN36 في 24 و 48 ساعة ، مرة أخرى بطريقة تعتمد على الوقت (الشكلان 2F و 2G).

لفحص الدقة من حيث إمكانية استنساخ كلا التطبيقين (GENIE و v9nc) ، تم تكرار الإجراءات بأكملها ثلاث مرات باستخدام أربع عينات من الالتهاب الرئوي المصابة بشكل مختلف كقوالب. تحقيقا لهذه الغاية ، تمت إعادة فحص نفس شرائح الرئة الأربعة ، وإعادة تعليقها يدويًا ، وإعادة تحليلها بواسطة v9 nc ومصنف GENIE ثلاث مرات (الشكل 2H). بلغ التوافق بين البيانات النهائية التي تم الحصول عليها على طول الإجراء بأكمله 99.70 (± 0.19) ٪ لخوارزمية v9 nc و 99.03 (± 0.63) ٪ لمصنف GENIE مما يشير إلى إمكانية استنساخ عالية للنتائج التي تم الحصول عليها بواسطة كلا التطبيقين (الشكل 2H).

افترضنا أن الإشارات الكيميائية المناعية قد تكون بمثابة أحداث قابلة للعد في خوارزمية v9 nc ، على غرار النوى الخلوية الملطخة بالهيمالون. لحساب مجموعات فرعية مختلفة من الخلايا المناعية ، تم إجراء IHC على الرئوية الرئوية- الرئتين المصابة باستخدام الأجسام المضادة ضد CD68 (الضامة / وحيدات ، الشكل 3 أ) ، الإيلاستاز العدلات (العدلات الشكل 3 ب) ، CD3 (الخلايا التائية ، الشكل 3 ج) ، أو CD45R (الخلايا البائية الشكل ثلاثي الأبعاد). تم تكييف خوارزمية v9 nc مع كل بروتوكول تلطيخ (الجدول E1) وسمح بالتعرف على الخلايا ذات العلامات المناعية وعدها بشكل موثوق (الأشكال 3E-3H). تضمنت بيانات المخرجات الأرقام الإجمالية والنسبية للخلايا الإيجابية لكل مليمتر مربع من منطقة الرئة بالإضافة إلى شدة تلطيخ مختلفة ، تُعرف هنا بأنها غير ملوثة (0+) أو ضعيفة (1+) أو معتدلة (2+) أو قوية (3+) ) الإشارات ، ومتوسط ​​الشدة النووية باللون الأحمر والأخضر والأزرق ، ومتوسط ​​الأحجام النووية بالبكسل والمليمتر المربع ، ومنطقة التحليل بالبكسل أو المليمتر المربع (الأشكال 3E - 3H). مقارنات بين مجموعات الخلايا المناعية النسبية في الرئوية الرئوية- كشفت الرئتان المصابة بـ IAV أن جميع أنواع الخلايا التي تم تحليلها تم تجنيدها بشكل كبير ، ولكن بشكل معاكس في الغالب ، في نموذجي العدوى (الشكل 3I). على الرغم من أن العدلات تمثل الكريات البيض المهيمنة في الرئوية الرئوية عدوى (الرئوية الرئوية، 3627 ± 228 خلية معنونة / مم 2 IAV ، 885 ± 126 خلية معنونة / مم 2) ، خلايا تي (الرئوية الرئوية، 1،164 ± 282 خلية معنونة / مم 2 IAV ، 2،583 ± 235 خلية / مم 2) ، والضامة (الرئوية الرئوية، 905 ± 93 خلية معنونة / مم 2 IAV ، 1،770 ± 273 خلية معنونة / مم 2) كانت أنواع الخلايا الرئيسية في الرئتين المصابة بـ IAV. الخلايا البائية (الرئوية الرئوية، 220 ± 88 خلية معنونة / مم 2 IAV ، 370 ± 66 خلية معنونة / مم 2) كانت أقل تجنيدًا لـ الرئوية الرئوية- والرئة المصابة بـ IAV عند مقارنتها بعناصر تحكم PBS وتمثل أقل عدد من الخلايا المناعية التي تم تحليلها في كلا نموذجي العدوى (الشكل 3I). سيطرت الخلايا التائية في ضوابط PBS (1494 ± 179 خلية معنونة / مم 2) ، بأرقام مماثلة في الرئوية الرئوية- الرئة المصابة ، ولكن أعداد أعلى بكثير بعد الإصابة IAV (الشكل 3I). كان عدد البلاعم أقل قليلاً من عدد الخلايا التائية في الرئتين التي تعاني من تحديات PBS (880 ± 79 خلية معنونة / مم 2) ، ولكنها زادت أيضًا بشكل ملحوظ في الرئتين المصابة بـ IAV. انخفضت الخلايا البائية (725 ± 90 خلية / مم 2) باعتبارها المجموعة المشتركة الثالثة في الرئتين التي تعاني من تحدي PBS بشكل ملحوظ بعد الإصابة بكل من مسببات الأمراض ، في حين أن عدد العدلات (512 ± 233 خلية / مم 2) كان أقل بشكل ملحوظ في الرئتين PBS بالمقارنة مع العدوى البكتيرية ، كما هو متوقع (الشكل 3I).

الشكل 3. التنميط المناعي والقياس الكمي للخلايا والتحقق من صحة بالمقارنة مع بيانات التدفق الخلوي (FC). (أد) تلطيخ المناعي العقدية الرئوية- أقسام الرئة المصابة للكشف عن CD68 + (أ، الضامة / وحيدات) ، العدلات الإيلاستاز موجبة (ب، العدلات) CD3 + (جوالخلايا التائية) و CD45R + (د، الخلايا البائية) الخلايا. (هح) DIA للرئتين الملطختين مناعيًا باستخدام خوارزمية v9 nc المعدلة لكل مستضد (الجدول E1). تضمنت بيانات المخرجات عدة أنواع من المعلومات ، مثل عدد وشدة الخلايا المصبوغة (الأجزاء الداخلية). (أنا) نتائج القياس الكمي للخلايا المسمى في منطقة الرئة في مليمتر مربع الرئوية الرئوية- أو الرئتين المصابة بـ IAV وضوابط PBS. (ي و ك) مقارنة بين مجموعات الخلايا المناعية النسبية التي تحددها تحليلات DIA و FC في تحدي PBS (ي) و الرئوية الرئوية- الرئة المصابة (ك). يتم إعطاء القيم كمتوسط ​​(± SEM ن = 4-5 كل مجموعة). #### ص & lt 0.0001 مقابل عناصر تحكم PBS. ****ص & lt 0.0001 كما هو موضح باستخدام اختبار المقارنة المتعددة ANOVA / Sidak أحادي الاتجاه. شريط مقياس (ح): 50 ميكرومتر ، ينطبق أيضًا على أجي. مقياس شريط أقحم (ح): 20 ميكرومتر ، ينطبق أيضًا على الشكل الداخلي هجي.

للتحقق من صحة البيانات التي تم الحصول عليها رقميًا من أقسام الرئة الكاملة ثنائية الأبعاد ، يتم استخراج مجموعات الخلايا المناعية النسبية من الرئتين بالكامل بعد تحدي PBS أو الرئوية الرئوية تم تحديد العدوى بواسطة FC (الشكل E1) وتم حسابها بالمثل للمقارنة المباشرة مع النسب التي تم الحصول عليها بواسطة DIA. في الرئتين التي تعاني من تحديات PBS ، الأعداد النسبية من الضامة (DIA ، 24.05 ± 1.83٪ FC ، 27.58 ± 3.09٪) ، العدلات (DIA ، 13.40 ± 4.83٪ FC ، 10.50 ± 1.72٪) ، الخلايا التائية (DIA ، 40.78 ± 4.13٪) FC ، 31.72 ± 2.29٪) ، والخلايا B (DIA ، 21.77 ± 1.89٪ FC ، 30.20 ± 2.11٪) كانت متشابهة تقريبًا في كلتا الطريقتين (الشكل 3J) ، والذي كان صحيحًا أيضًا بالنسبة لأعداد الضامة (DIA ، 14.93 ± 1.17٪ FC ، 14.57 ± 1.47٪) ، العدلات (DIA ، 60.27 ± 7.12٪ FC ، 72.75 ± 1.50٪) ، الخلايا التائية (DIA ، 19.02 ± 3.82٪ FC ، 8.83 ± 0.86٪) ، والخلايا B (DIA ، 5.79 ± 3.77٪ FC ، 3.85 ± 0.50٪) في الرئوية الرئوية- الرئتين المصابة (الشكل 3 ك). في الواقع ، لوحظ توافق عالٍ لمعظم البيانات التي تم الحصول عليها من خلال هذين النهجين (الشكلان 3J و 3 K) ، مما يشير إلى أن نتائج 2D DIA قد تكون ، في الواقع ، صالحة وتشبه في الواقع الوضع في الرئتين بالكامل.

يسمح النهجان المختلفان للتعرف الآلي على الأنماط الرقمية الذي تم إنشاؤه هنا بالتقدير الكمي لجانبين من الجوانب ذات الصلة عالميًا من التشريح المرضي للالتهاب الرئوي على شرائح الرئة الكاملة ثنائية الأبعاد ، بما في ذلك المنطقة النسبية والمطلقة لأنسجة الرئة الملتهبة وعدد الخلايا وكثافتها. علاوة على ذلك ، تم استخدام خوارزمية v9 nc بنجاح لتحديد مجموعات فرعية من الخلايا المناعية المسمى المناعي. من الواضح أن المعلمات المحددة كمياً هنا ليست سوى بداية ، والعديد من التطبيقات الأخرى والمعلمات المستهدفة يمكن تصورها. وبالتالي ، يوفر برنامج التعرف على الأنماط ، GENIE ، وخوارزمية v9 nc أدوات التعلم الذاتي للحصول على قياس آلي عالي الإنتاجية للآفات النسيجية المعقدة التي يحددها المستخدم من الشرائح الزجاجية القياسية التي تُستخدم بشكل شائع في علم الأنسجة الوصفي. مع هذا التطور ، يمثل تحليل الصور المحوسب على أقسام الرئة الكاملة الممسوحة ضوئيًا تقدمًا تقنيًا ولوجستيًا في الاكتساب الدقيق للبيانات العددية والتقييم الإحصائي للتغيرات المورفولوجية في الالتهاب الرئوي لدى الفئران. أظهرت الدراسات السابقة حول سرطان الرئة وإصابات الدماغ أن الكميات التي تم الحصول عليها من خلال هذه التقنيات أكثر موثوقية وقابلة للتكرار ومناسبة في الوقت المناسب (6 ، 11 ، 21 ، 22) عند مقارنتها بالتقدير الكمي اليدوي للمعلمات المختارة. وهكذا ، بالإضافة إلى التشريح المرضي الوصفي القياسي وأنظمة التسجيل النصفية وعلم التجسيم ، فإن DIA على أقسام الأعضاء الكاملة متاحة الآن لأبحاث الرئة ، ويمكن توقع توسيع خيارات القراءة على نطاق واسع في دراسات الالتهاب الرئوي في الفئران ، مما يعزز قيمة أنسجة الرئة ( الشكل 4).

الشكل 4. خيارات تحليلية لتشريح كامل الرئة. 2D = ثنائي الأبعاد ثلاثي الأبعاد = ثلاثي الأبعاد.

هنا ، طبقنا DIA على نماذج عدوى الرئة البكتيرية والفيروسية وقارننا البيانات بعناصر تحكم PBS. تم إنشاء خوارزميات GENIE المنفصلة والخاصة بالنموذج من أجل التحديد الموضوعي والقياس الكمي المقارن لمناطق الرئة المتأثرة ، والتي ، في الماضي ، لا يمكن تقديرها إلا تقريبًا في أقسام ثنائية الأبعاد (16 ، 17). بسبب التناقضات الواسعة بين التشريح المرضي لنماذج العدوى المختلفة ومسببات الأمراض (3) ، ومع ذلك ، يجب إنشاء خوارزميات GENIE محددة لكل نموذج أو عامل ممرض لالتقاط النموذج الفريد أو السمات الخاصة بالعوامل الممرضة المراد قياسها كمياً. حددت الخوارزميات الخاصة بالنموذج التي تم إنشاؤها هنا بدقة فئات الأنسجة المشروحة ، مما سمح لنا بالتمييز بين مناطق الرئة والخلفية والزجاج المتأثرة وقياسها. وبالمثل ، تم تحديد عدد النوى أو الخلايا بواسطة خوارزميات v9 nc ، مما يتيح التحديد الكمي الدقيق لكل من النوى الملطخة بالهيمالون وإشارات الواسمات الكيميائية المناعية داخل النوى أو الخلايا.

تشير الدقة العالية لكلا النظامين ، خوارزميات GENIE و v9 nc ، كما تم تقييمها هنا من خلال استنساخ النتائج على الإجراءات بأكملها ، بما في ذلك مسح الشرائح والاستبعادات اليدوية للأنسجة الدهنية والليمفاوية المجاورة ، إلى موثوقية عالية للبيانات من حيث انعكاس الفعلي المعلومات المورفولوجية على الشرائح. علاوة على ذلك ، عندما قارنا النسب المئوية للأنواع الفرعية للخلايا المناعية بين DIA من أقسام الأنسجة ثنائية الأبعاد لطائرات الرئة المركزية وبيانات FC التي تم الحصول عليها من مقتطفات الرئة الكاملة ، فإن أوجه التشابه الوثيق الشاملة تعني أن البيانات النسبية ، مثل نسب الخلايا المقاسة في أقسام الرئة الكاملة التمثيلية ، قد يمثل حلاً وسطاً مفيداً وعملياً عند مقارنته بمقاربات عددية مطلقة ، مثل علم الفراغ أو FC (12 ، 13 ، 23). تشمل المزايا الواضحة لـ DIA من أقسام الرئة الكاملة ثنائية الأبعاد ، بمجرد إجراء الاستثمارات المطلوبة ، تكاليف الوقت والتكلفة المنخفضة نسبيًا ، والقدرة العملية العالية للتحليلات عالية الإنتاجية لأعداد العينات الكبيرة ، وفائدتها للدراسات بأثر رجعي مع المواد الأرشيفية التي عادة ما يتم تضمينها بشكل غير عشوائي ، كما هو مطلوب في علم التصوير الفراغي (12). ومع ذلك ، يجب النظر في العديد من المتطلبات التقنية الأساسية والقيود على استخدام البيانات. أولاً ، يبدو التحضير الدقيق للغاية والموحد للغاية للرئتين أمرًا بالغ الأهمية لاستبعاد القطع الأثرية بسبب انخماص الضغط أو التضخم غير المتكافئ بين الحيوانات أو المجموعات التجريبية. لتحقيق هذا المستوى من التجانس ، استخدمنا هنا طريقة ربط القصبة الهوائية الكاملة فورًا بعد الزفير النهائي للحفاظ على حجم الرئة الأصلي تمامًا. تم التحكم في تجانس أحجام الرئة من خلال مقارنة مناطق المقطع العرضي للرئتين المدمجة ، والتي فشلت في تقديم أي دليل على درجات متفاوتة من الانكماش أو انخماص الرئة. هناك نهج أكثر توحيدًا يتمثل في تضخم الرئتين بعد الوفاة إلى نفس ضغط التضخم البالغ 15-25 سم ساعة.2O على النحو الموصى به من قبل جمعية أمراض الصدر الأمريكية (24). ثانيًا ، إن جودة أقسام الأنسجة التي سيتم مسحها ضوئيًا بعد القطع اليدوي من كتل البارافين لها تأثير هائل على قابلية تطبيق DIA. أقسام الأنسجة أكثر سمكًا من تقريبًا. 2 ميكرومتر ، المقاطع ذات الشقوق أو الطيات ، المقاطع المضغوطة ، أو تلك التي تم تمديدها فوق الشرائح الزجاجية ، أسفرت بوضوح عن نتائج خاطئة في أيدينا. ومن المفارقات أن المهارات اليدوية أصبحت عاملاً حاسمًا لنجاح ومصداقية البيانات الناتجة عن البرنامج. ثالثًا ، قد تؤثر أيضًا كثافة وتجانس تلطيخ الأنسجة على الحصول على البيانات من الشرائح الممسوحة ضوئيًا ، مما يجعل إجراءات تلطيخ موحدة للغاية أمرًا ضروريًا. الأهم من ذلك ، يوصى بمعالجة الدُفعات والتحليلات التي تشمل جميع الحيوانات والمجموعات التجريبية في نفس سير العمل القياسي إلى أقصى حد. تحقيقا لهذه الغاية ، ينبغي تضمين الضوابط المناسبة للاختلافات داخل التجربة والاختلافات في قطع أو تلطيخ الإجراءات. علاوة على ذلك ، فإن الدقة التي تبلغ 0.25 ميكرومتر / بكسل تقريبًا التي تم تحقيقها بواسطة ماسحات هيستوسلايد المتوسطة باستخدام هدف 40 × غير كافية للتمايز المورفولوجي البحت لأنواع فرعية معينة من الخلايا المناعية (على سبيل المثال ، العدلات مقابل الخلايا الليمفاوية) دون وسم مناعي محدد لعلامات الخلية. في هذا الصدد ، تبدو عين أخصائي علم الأمراض المتدرب متفوقة في التعرف على الأنماط البصرية المعقدة ذات الحجم الصغير ، وربما يرجع ذلك أيضًا إلى المستوى z في الفحص المجهري الحقيقي ، والذي لم يتم مسحه ضوئيًا هنا. بالإضافة إلى ذلك ، فإن التحديد الموثوق به وحساب الهياكل البكتيرية الفردية يتجاوز بوضوح الدقة والحساسية الضوئية للتكنولوجيا المتاحة حاليًا ، مما يتطلب نهجًا حيث يتم تصنيف مسببات الأمراض كيميائياً مناعيًا (16). من الواضح أن أوجه القصور التقنية ، مثل الحساسية البصرية المحدودة والتأثيرات الاصطناعية بسبب الاختلافات اليدوية في معالجة الأنسجة ، تمثل تحديات مستقبلية لمزيد من التحسينات لهذه المنهجية.

من ناحية أخرى ، فإن البيانات التي حصل عليها DIA من أقسام الرئة الكاملة ثنائية الأبعاد غير كافية عندما تكون الأرقام المطلقة مطلوبة للرئتين بالكامل. تعتمد قيمة المستوى الفردي بوضوح على تمثيلية العضو بأكمله ، والتي تكون محدودة عندما يتم توزيع الآفات بشكل غير متجانس ، كما هو الحال في الالتهاب الرئوي الناجم عن معظم البكتيريا أو الفيروسات (16). وجدنا مستوى مركزيًا واحدًا عبر أقطار القصبات الهوائية الرئيسية مفيدًا جدًا عندما كانت جميع الرئتين المراد مقارنتها مضمنة بطريقة موحدة للغاية وغير عشوائية. من الواضح ، يمكن تحسين التمثيل التمثيلي للرئة بأكملها والمزيد من المعلومات حول التوزيع الفعلي للآفات عن طريق زيادة عدد الطائرات التسلسلية التي تم تحليلها بمسافات محددة مسبقًا بالميكرونات أو التخصيصات التشريحية. ومع ذلك ، حتى إذا تم تحليل العديد من المستويات الإضافية لكل رئة لزيادة الدقة ، فإن البيانات التي يمكن الحصول عليها بواسطة DIA من شرائح الرئة بأكملها لا تزال تكمن وراء القيود العامة التي تنطبق على قياس التشكل ثنائي الأبعاد ، بما في ذلك التحيز الاتجاهي وتحيز أخذ العينات (5).

على الرغم من أن هذه التكنولوجيا لا تزال في طور الظهور ، إلا أن DIA لأقسام الرئة المرضية النسيجية الكاملة ستحسن بشكل كبير وتوسع خيارات القراءة والقيمة العلمية لدراسات الالتهاب الرئوي التجريبية في الفئران والأنواع الأخرى المحتملة.


كيف يمكنني تنزيل شريحة نسيجية من أرشيف الشرائح الرقمية للسرطان - علم الأحياء

يتم توفير جميع المقالات المنشورة بواسطة MDPI على الفور في جميع أنحاء العالم بموجب ترخيص وصول مفتوح. لا يلزم الحصول على إذن خاص لإعادة استخدام كل أو جزء من المقالة المنشورة بواسطة MDPI ، بما في ذلك الأشكال والجداول. بالنسبة للمقالات المنشورة بموجب ترخيص Creative Common CC BY ذي الوصول المفتوح ، يمكن إعادة استخدام أي جزء من المقالة دون إذن بشرط الاستشهاد بالمقال الأصلي بوضوح.

تمثل الأوراق الرئيسية أكثر الأبحاث تقدمًا مع إمكانات كبيرة للتأثير الكبير في هذا المجال. يتم تقديم الأوراق الرئيسية بناءً على دعوة فردية أو توصية من المحررين العلميين وتخضع لمراجعة الأقران قبل النشر.

يمكن أن تكون ورقة الميزات إما مقالة بحثية أصلية ، أو دراسة بحثية جديدة جوهرية غالبًا ما تتضمن العديد من التقنيات أو المناهج ، أو ورقة مراجعة شاملة مع تحديثات موجزة ودقيقة عن آخر التقدم في المجال الذي يراجع بشكل منهجي التطورات الأكثر إثارة في العلم. المؤلفات. يوفر هذا النوع من الأوراق نظرة عامة على الاتجاهات المستقبلية للبحث أو التطبيقات الممكنة.

تستند مقالات اختيار المحرر على توصيات المحررين العلميين لمجلات MDPI من جميع أنحاء العالم. يختار المحررون عددًا صغيرًا من المقالات المنشورة مؤخرًا في المجلة والتي يعتقدون أنها ستكون مثيرة للاهتمام بشكل خاص للمؤلفين أو مهمة في هذا المجال. الهدف هو تقديم لمحة سريعة عن بعض الأعمال الأكثر إثارة المنشورة في مجالات البحث المختلفة بالمجلة.


الوصول إلى صور علم الأمراض الرقمية لموضوعات TCGA في TCIA

يمكن العثور على صور أمراض TCGA الرقمية في Genomic Data Commons - GDC Legacy Archive. GDC هو المصدر الرسمي للبيانات الجينومية والسريرية والجزيئية لـ TCGA.

يرجى ملاحظة أنه حيث تقرأ مجموعات أرشيف تصوير السرطان:

تسمح معرفات مرضى TCGA المتطابقة للباحثين باستكشاف قواعد بيانات TCGA / TCIA للارتباطات بين النمط الوراثي للأنسجة والنمط الظاهري الإشعاعي ونتائج المرضى.

هذا يعني أن معرف المريض مطابق عبر موقع GDC الإلكتروني (الشرائح ، النمط الجيني ، المعلومات السريرية) و TCIA (التصوير الإشعاعي ، البيانات السريرية) ليس مطابقة الحالة / التحكم. تم تضمين بيانات المريض فقط.

إذا قمت بتنزيل بيانات الأشعة لبعض موضوعات TCGA وترغب في الوصول إلى صور علم الأمراض ، فستحتاج إلى اتباع الخطوات التالية

  1. اجمع معرف المريض (مثل TCGA-A6-2672) وقم بتنزيل بيانات الأشعة من TCIA
  2. انتقل إلى GDC Legacy Archive
  3. تأكد من أنك ترى شيئًا مشابهًا للشاشة التالية:

    نوع البيانات هو صورة شريحة الأنسجة أو التشخيص أو كليهما

المواد والأساليب

تم الحصول على موافقة مجلس المراجعة المؤسسية لهذه الدراسة (جامعة بيتسبرغ ، بنسلفانيا ، STUDY18100084 ، PRO17120392 جامعة ويتواترسراند ، جوهانسبرغ ، شهادة التخليص جنوب إفريقيا M191003).

إنشاء شريحة عائمة الأنسجة

لأغراض هذه التجربة ، تم تحضير 3 شرائح زجاجية باستخدام أنسجة ورم بشري بالغ تم التخلص منها حديثًا (الشكل 1). تم إنشاء شرائح عائمة الأنسجة المصطنعة بشكل مصطنع تحتوي على (1) جزء مركزي كبير من سرطان الخلايا الكلوية تم الحصول عليه من سرطان الخلايا الكلوية الحليمي من النوع 1 (قاعدية) ، و (2) وضعت باتجاه حافة الشريحة 2 أجزاء أصغر إضافية منفصلة من النسيج ("عوامات الأنسجة") التي تم الحصول عليها من سرطان غدي القولون المتمايز بشكل معتدل وسرطان الظهارة البولية الحليمي عالي الدرجة في المثانة البولية. لتجنب ظهور هذه الشرائح على أنها استثنائية في الدراسة ، كان من السهل نسبيًا تشخيص الحالات المرضية المختارة ونموذجية لما يمكن مواجهته في الممارسة الروتينية. أيضًا ، تم تلوين الشرائح المحضرة بالهيموكسيلين والأيوزين (H & ampE) وفقًا لبروتوكولات التلوين الروتينية. تم بعد ذلك ترقيم جميع الشرائح الثلاثة بالكامل عند التكبير × 40 باستخدام ماسح ضوئي للشريحة بالكامل من Aperio AT2 (Leica Biosystems). تم فحص جودة هذه الشرائح الرقمية لتجنب تضمين المعرفات الفريدة و / أو القطع الأثرية.

شريحة ملفقة تحتوي على قسم من سرطان الخلايا الكلوية (أ) و 2 مجاور منفصلان لسرطان القولون (ب) وسرطان المثانة (ج) عوامات نسيجية (بقعة الهيماتوكسيلين ويوزين ، تظهر الأشكال الداخلية عند التكبير × 20).

شريحة ملفقة تحتوي على قسم من سرطان الخلايا الكلوية (أ) و 2 مجاور منفصلان لسرطان القولون (ب) وسرطان المثانة (ج) عوامات نسيجية (بقعة الهيماتوكسيلين ويوزين ، تظهر الأشكال الداخلية عند التكبير × 20).

مجموعات بيانات الشرائح الرقمية لعلم الأمراض

تم تضمين WSIs المذكورة أعلاه في مجموعتي بيانات من الشرائح الرقمية. تم إنشاء مجموعة البيانات الأولى عن طريق الاختيار العشوائي لـ 300 WSI (تنسيق ملف .svs) لحالات علم الأمراض الجراحية الملطخة H & ampE من ملفات التدريس في المركز الطبي بجامعة بيتسبرغ ، بيتسبرغ ، بنسلفانيا ("مجموعة بيانات UPMC"). تم مسح هذه الشرائح الأرشيفية بتكبير × 40 باستخدام أداة Aperio ScanScope XT (Leica Biosystems). تضمنت WSIs حالات من مجموعة متنوعة من المواقع التشريحية (على سبيل المثال ، القولون والدماغ والغدة الدرقية والبروستاتا والثدي والكلى والغدة اللعابية والجلد والأنسجة الرخوة وما إلى ذلك) تظهر كيانات مرضية تشخيصية متنوعة (على سبيل المثال ، أورام تفاعلية ، التهابية ، حميدة ، والأورام الخبيثة). تم الحصول على مجموعة البيانات الأخرى المستخدمة في هذه الدراسة من أرشيف شرائح علم الأمراض الرقمي المتاح للجمهور والذي يقدمه برنامج أطلس جينوم السرطان (TCGA) (https://portal.gdc.cancer.gov). تم اختيار ما مجموعه 2025 WSI بشكل عشوائي وتنزيلها من TCGA ("مجموعة بيانات TCGA"). كان متوسط ​​WSI حوالي 45000 × 45000 بكسل. الشرائح الرقمية ذات الجودة المنخفضة (على سبيل المثال ، تلطيخ رديء للغاية ، دقة منخفضة ، مناطق كبيرة خارج التركيز) تم التخلص من التكبيرات التي تقل عن × 20 والبقع الضبابية بشكل مفهوم تمنع البحث عن الصور لأداء جيد ويؤثر التلوين السيئ سلبًا على استخراج الميزات العميقة.تضمنت مجموعة بيانات TCGA ما لا يقل عن 33 كيانًا تشخيصيًا مختلفًا من 25 موقعًا تشريحيًا. تم تضمين شرائح TCGA للأقسام المجمدة وتلك الشرائح مع التعليقات التوضيحية اليدوية (علامات القلم). تم تصنيف جميع الشرائح الرقمية بكل من نوع الورم الخبيث (التشخيص الأولي) والعضو المصاب (الموقع الأساسي). تم تعيين هذه التسمية إلى WSI بالكامل ولم يتم تحديد منطقة فردية. يوضح الجدول 1 أفضل 20 موقعًا أوليًا مع أكبر عدد من WSIs في مجموعة البيانات المدمجة (مثل مجموعات بيانات UPMC + TCGA).

أفضل 20 موقعًا رئيسيًا بأعلى عدد من صور الشرائح الكاملة (WSI) في مجموعة البيانات

BrdbvVh7dDXyun5J60iKvBkHdeCr1ukaubcBk4WI8BGoHZl6u4tyTHXNMnMr9UG5wDkKFVDcnfHCV-adcL2ebFBkcpuAvRe5UZcyQ8Gf9kFwUIITsPDZA7gmHx3ehEZZ1NAub-G2bVG7FNfGIlEriuQ __ وampKey بين زوج-معرف = APKAIE5G5CRDK6RD3PGA "/>

منصة الحوسبة

تم إجراء جميع التجارب على Dell EdgeServer Ra مع 2x Intel (R) Xeon (R) Gold 5118 (12 مركزًا ، 2.30 جيجاهرتز) ، 4x Telsa V100 (v-RAM 32 جيجا بايت تم استخدام وحدتي معالجة رسومات فقط [GPUs]) ، وذاكرة وصول عشوائي 394 جيجا بايت. تمت كتابة رمز الفهرسة في C / C ++. تمت كتابة مكونات واجهة المستخدم بلغات متعددة ، ولكن معظمها بلغات Python و JavaScript. كانت قوة GPU المتطورة ضرورية لفهرسة الأرشيفات الكبيرة ، والتي كانت مهمة لمرة واحدة للمستودعات الحالية. للاستخدام اليومي للبحث عن الصور ، تكفي وحدة المعالجة المركزية / وحدة معالجة الرسومات العادية (منخفضة التكلفة) لأن الرموز الشريطية (انظر أدناه) تتيح البحث الفعال في الأرشيفات الكبيرة.

أداة البحث عن الصور

من خلال نهج المجموعة (باستخدام مجموعة من الخوارزميات المختلفة) ، تم تطوير نموذج أولي موثوق لمحرك البحث يستغل نقاط القوة لكل من الأساليب الحسابية الخاضعة للإشراف (الشبكات العميقة المدربة) وغير الخاضعة للإشراف (التجميع والبحث) لمعالجة الصور. وقد تضمنت أداة البحث عن الصور هذه خوارزميات التجزئة والتجميع ، والشبكات العميقة ، ومقاييس المسافة للبحث والاسترجاع. في حين أن الشبكات العميقة هي طرق خاضعة للإشراف وتتطلب تدريبًا مكثفًا مع البيانات المصنفة ، فإن البحث نفسه غير خاضع للإشراف بدون تدريب مسبق. لا يشكل استخدام شبكة عميقة مدربة مسبقًا بدون ضبط دقيق إشرافًا مباشرًا لأنه يُستخدم لاستخراج الميزات دون أي تعديل. هذا يسمح لنهجنا أن يكون مستقلاً عن WSIs المحددة يدويًا. استخدمنا DenseNet-121 ، المتاح للجمهور. تم استخدام تجزئة الصورة لتمييز الأنسجة عن الخلفية البيضاء. تم تقسيم WSI إلى بقع أو بلاطات بأحجام ثابتة (على سبيل المثال ، 500 × 500 ميكرومتر 2 عند × 20) بدون تداخل. تم تجميع التصحيحات في فئات عبر طرق التجميع (على سبيل المثال ، خوارزمية الوسيلة k) وتمريرها عبر الشبكات العصبية الاصطناعية سابقة التدريب لتعدين الميزات. تم تحويل كل ناقل ميزة إلى رمز شريطي خطي (الشكل 2) وتم استخدام عملية فهرسة "مجموعة الرموز الشريطية" هذه لتسريع عملية استرجاع البحث. 24 احتوى إنشاء الباركود فقط على ترميز ثنائي لتغيير التدرج للسمات العميقة. تم فحص مقاييس تشابه متعددة لزيادة معدل المطابقة عند مقارنة الصور. تم تصنيف تصحيحات الصور المسترجعة من الأكثر إلى الأقل احتمالًا لتشابه الصورة التي تم الاستعلام عنها (الشكل 3) وتم عرض هذه النتائج في تنسيق معرض ليراجعها المستخدم النهائي ويفسرها. تم تحديد التصنيف (يُعرّف على أنه تصنيف التطابق المناسب) من خلال تشابه الرقعة المشتبه بها مع جميع التصحيحات الأخرى في الأرشيف ، والتي تم قياسها من خلال حساب المسافة بين الرموز الشريطية المقابلة لها. كلما كانت النتيجة أكثر تشابهًا (أي أفضل نتيجة مرتبة) يكون التصحيح أصغر هو الفرق بين الباركود. تم فرز جميع التصحيحات المتطابقة بناءً على هذا الاختلاف (يتم تصنيف الأقل اختلافًا أولاً وهكذا).

توضيح تخطيطي للفكرة العامة لاستخدام الرموز الشريطية لتمثيل الصور: صورة شريحة كاملة مفهرسة عن طريق تحويل تصحيحات منفصلة إلى رموز شريطية.

توضيح تخطيطي للفكرة العامة لاستخدام الرموز الشريطية لتمثيل الصور: صورة شريحة كاملة مفهرسة عن طريق تحويل تصحيحات منفصلة إلى رموز شريطية.

رسم تخطيطي يوضح كيفية اكتشاف أصل عائم مشتبه به. تبدأ العملية بتحديد مكان جزء النسيج المشبوه. يتم بعد ذلك إدخال رقعة محددة من الجزء في شبكة عميقة تم اختبارها مسبقًا لاستخراج الميزات. يتلقى محرك البحث بعد ذلك رمزًا شريطيًا تم إنشاؤه للبحث داخل "فهرس Yottixel" الذي يحتوي على رموز شريطية للعديد من التصحيحات للعديد من صور الشرائح الكاملة (WSI). أخيرًا ، يتم التعرف على أصل العائم من خلال فحص البقع ذات الترتيب الأعلى.

رسم تخطيطي يوضح كيفية اكتشاف أصل عائم مشتبه به. تبدأ العملية بتحديد مكان جزء النسيج المشبوه. يتم بعد ذلك إدخال رقعة محددة من الجزء في شبكة عميقة تم اختبارها مسبقًا لاستخراج الميزات. يتلقى محرك البحث بعد ذلك رمزًا شريطيًا تم إنشاؤه للبحث داخل "فهرس Yottixel" الذي يحتوي على رموز شريطية للعديد من التصحيحات للعديد من صور الشرائح الكاملة (WSI). أخيرًا ، يتم التعرف على أصل العائم من خلال فحص البقع ذات الترتيب الأعلى.

يمكن تحديد أي جزء من الأنسجة من قبل المستخدم النهائي (أخصائي علم الأمراض) للبحث في الأرشيف. على هذا النحو ، يتم إجراء البحث يدويًا بواسطة أخصائي علم الأمراض. أصغر حجم رقعة يمكن فهرسته والبحث فيه هو 500 × 500 ميكرومتر (∼1000 × 1000 بكسل عند × 20) أي عائم أصغر من ذلك قد لا يمكن اكتشافه.

تقييم أداة البحث

بعد مسح الشرائح الثلاثة المذكورة أعلاه وفهرستها وخلطها بين ملايين تصحيحات الصور من مجموعتي البيانات ، تم تقليل عدد التصحيحات إلى ما يقرب من 16000 قطعة من خلال التجميع (تم ضبطها تجريبياً على 9 مجموعات) ، في حين أن 5٪ فقط من كل منها تم اختيار الكتلة لتمثيل WSI. ثم تم استخدام أداة البحث لمحاولة التعرف على الشريحة المطابقة التي تنتمي إلى كل عائم نسيج (الشكل 4). تم إجراء البحث باستخدام نسب متغيرة لأخذ العينات العائمة (أي 5٪ - 100٪ من منطقة عائمة الأنسجة المختارة). تم قياس دقة الكشف عن طريق تشغيل كل عينة 100 مرة (يدويًا وبواسطة الأتمتة) وحساب المرتبة المتوسطة لاكتشاف صحيح بين نتائج البحث ، فضلًا عن ترتيب أفضل وأسوأ ترتيب للعوم المكتشف بين نتائج البحث باستخدام 95 ٪ CI.

(أ) فهرسة عينة تصوير شريحة كاملة (مسح بورم المثانة) (ب) مما أسفر عن 33 رقعة لبناء فسيفساء. (C) يمكن إنشاء الرموز الشريطية المقابلة للفسيفساء باستخدام خوارزمية MinMax. يتم عرض الرموز الشريطية الثلاثة التي تطابق التصحيحات المميزة.

(أ) فهرسة عينة تصوير شريحة كاملة (مسح بورم المثانة) (ب) مما أسفر عن 33 رقعة لبناء فسيفساء. (C) يمكن إنشاء الرموز الشريطية المقابلة للفسيفساء باستخدام خوارزمية MinMax. يتم عرض الرموز الشريطية الثلاثة التي تطابق التصحيحات المميزة.


البروستات تنصهر - التصوير بالرنين المغناطيسي - علم الأمراض

تم جمع البيانات وتحليلها من قبل أنانت مادابوشي ، حاصل على درجة الدكتوراه ، من جامعة كيس ويسترن ريزيرف ، ومايكل د. فيلدمان ، دكتوراه في الطب ، دكتوراه ، مستشفى في جامعة بنسلفانيا. تم دعم هذا العمل من قبل NIH R01CA136535.

مراجع

  1. سينجانامالي ، إيه ، روسو ، إم ، سباركس ، ري ، شيه ، إن إن ، زيوبر ، إيه ، وانج ، إل ، توماشوسكي ، جي ، روزين ، إم ، فيلدمان ، إم ، مادابوشي ، إيه (2016) و تحديد علامات التصوير بالرنين المغناطيسي في الجسم الحي DCE المرتبطة بهندسة الأوعية الدقيقة ودرجات سرطان البروستاتا. جيه. ماجن. ريسون. التصوير ، ٤٣: ١٤٩-١٥٨. دوى: 10.1002 / jmri.24975 (PMID: 26110513).
  2. Toth و R و Feldman و M و Yu و D و Tomaszewski و J و Madabhushi و A. "Histostitcher ™: نظام أساسي لبرامج المعلومات لإعادة بناء نسيج البروستاتا بالكامل باستخدام إطار عمل منصة التصوير القابلة للتوسيع (XIP ™),” مجلة معلوماتية علم الأمراض ، المجلد. 5 ، ص. 8 ، 2014 (PMID: 24843820 ، PMCID: PMC4023035).
  3. Xiao، G، Bloch، N، Chappelow، J، Genega، E، Rofsky، N، Lenkinsky، R، Tomaszewski، J، Feldman، M، Rosen، M، Madabhushi، A. "تحديد مراسلات شريحة التصوير بالرنين المغناطيسي والنسيج لتحديد بصمات المرض المستندة إلى التصوير بالرنين المغناطيسي لسرطان البروستاتا، "عدد خاص من التصوير الطبي المحوسب والرسومات على معالجة الصور المجهرية كاملة الشرائح ، المجلد. 35 [7-8] ، ص 568-78 ، 2011 (PMID: 21255974).
  4. Chappelow، J، Bloch، N.، Rofsky، N، Genega، E، Lenkinski، R، DeWolf، W، Madabhushi، A. "التسجيل المرن للتصوير بالرنين المغناطيسي للبروستات متعدد الوسائط والأنسجة عبر المعلومات المتبادلة متعددة السمات، "الفيزياء الطبية ، المجلد. 38 [4] ، الصفحات 2005-2018 ، 2011 (PMID: 21626933).

الدخول الى البيانات

انقر على تحميل زر لحفظ & quot.tcia & quot ملف البيان على جهاز الكمبيوتر الخاص بك ، والذي يجب عليك فتحه باستخدام NBIA Data Retriever. انقر على بحث زر لفتح بوابة البيانات الخاصة بنا ، حيث يمكنك تصفح جمع البيانات و / أو تنزيل مجموعة فرعية من محتوياتها.

صور باثولوجيا الشرائح الكاملة المشروحة والتعليقات التوضيحية (Tiff ، XML 76.8 جيجابايت)


شاهد الفيديو: شرح طلب تبديل شريحتك إلى شريحه اللكترونيه esim في stc (أغسطس 2022).