Home Notizie recenti Valutazione automatizzata della qualità dell’immagine della patologia

Valutazione automatizzata della qualità dell’immagine della patologia

42
0
Rapporti scientifici (2022). DOI: 10.1038/s41598-022-08351-5″ width=”800″ height=”448″>
(A) A sinistra: grafico KDE (Kernel Density Estimation) dello spazio delle funzionalità 2D PCA per 16000 patch casuali estratte dalle coorti ProMPT, TCGA e FOCUS. Sebbene vi sia ancora spazio per miglioramenti, la sovrapposizione tra gli spazi delle caratteristiche di diverse coorti suggerisce che abbiamo un insieme ragionevole di caratteristiche invarianti di dominio. A destra: spazio di funzionalità delle patch annotate nel nostro set di patch test della coorte ProMPT rispetto a un set di patch annotate delle coorti TCGA e FOCUS. (B) Patch di immagini campione previste da PathProfiler come inutilizzabili da coorti di tessuto non prostatico (tessuto colorettale FOCUS) e TCGA (tessuto prostatico). Credito: Rapporti scientifici (2022). DOI: 10.1038/s41598-022-08351-5

L’analisi dei campioni di tessuto per la diagnosi e il trattamento del cancro è ancora in gran parte eseguita al microscopio ottico. Ma i ricercatori stanno ora sviluppando tecnologie per accelerare e, in definitiva, migliorare l’accuratezza di tale diagnostica attraverso la digitalizzazione e l’analisi computerizzata delle immagini della biopsia tissutale. Queste nuove tecnologie si basano molto sugli strumenti di intelligenza artificiale (AI), che richiedono lo sviluppo e la “formazione” di algoritmi di intelligenza artificiale su grandi set di dati di immagini digitalizzate di diapositive intere (WSI) collegate ai dati sui risultati clinici. Ma le immagini raccolte da più laboratori diagnostici possono variare drasticamente nella loro qualità, il che a sua volta può compromettere la formazione e le successive prestazioni degli algoritmi di intelligenza artificiale.

Vedi anche:  La Federal Reserve potrebbe andare piano dopo un aumento del tasso di 75 punti base la prossima settimana

Una nuova pubblicazione in Rapporti scientifici guidato da Jens Rittscher di Ludwig Oxford e dalla sua collega di Oxford Maryam Haghhighat, descrive uno strumento di intelligenza artificiale chiamato PathProfiler che automatizza il controllo della qualità di grandi set di dati di immagini patologiche retrospettive per aumentarne l’usabilità nella ricerca a valle.

Rittscher e i suoi colleghi di Oxford hanno sviluppato PathProfiler utilizzando immagini patologiche retrospettive della coorte di cancro alla prostata ProMPT (Prostate Cancer Mechanisms of Progression and Treatment). Il loro strumento di intelligenza artificiale automatizza la valutazione della qualità delle immagini patologiche e identifica una serie di potenziali artefatti dell’immagine. Assegna anche un punteggio di usabilità a ciascun WSI, che aiuterà a guidare se un’immagine può essere inclusa nel set di dati di addestramento dell’IA. I punteggi generati dall’algoritmo AI e quelli assegnati da tre patologi esperti erano altamente correlati (0,89).

Vedi anche:  La commozione cerebrale può essere monitorata attraverso campioni di urina?

Per testare ulteriormente PathProfiler, il team ha valutato la prostata Cancer Genome Atlas e le coorti di cancro colorettale FOCUS. Oltre a fornire un punteggio di qualità e identificare gli artefatti che incidono sulla qualità nei WSI, PathProfiler è stato anche in grado di prevedere quali immagini potrebbero essere migliorate, ad esempio, mediante una nuova scansione o una nuova colorazione. Questa previsione è di particolare rilevanza per l’usabilità di campioni provenienti da coorti retrospettive altamente curate, come quelle utilizzate nella ricerca sul cancro alla prostata.

Il software PathProfiler è disponibile al pubblico in modo che altri gruppi possano usarlo per le proprie ricerche e contribuire al suo ulteriore sviluppo. Il team ora prevede di ottimizzare ulteriormente il modello utilizzando altri tipi di tessuto e coorti e di valutare le prestazioni e l’utilità dello strumento all’interno di una pipeline digitale di patologia clinica.


Articolo precedenteLa nuova startup crea software di controllo qualità per la produzione additiva, i processi di stampa 3D
Articolo successivoI neuroni sovraeccitati calmanti possono proteggere il cervello dopo l’ictus