Análisis automatizado de imágenes de tejidos

Una muestra histológica teñida, intercalada entre un portaobjetos de microscopio de vidrio y un cubreobjetos, montada en la platina de un microscopio óptico.

Vista microscópica de una muestra histológica de tejido pulmonar humano teñida con hematoxilina y eosina .

El análisis automatizado de imágenes de tejido es un proceso mediante el cual se utiliza un equipo de prueba automático controlado por computadora para evaluar muestras de tejido , utilizando cálculos para derivar mediciones cuantitativas de una imagen para evitar errores subjetivos.

En una aplicación típica, el análisis automatizado de imágenes de tejido podría usarse para medir la actividad agregada de las células cancerosas en una biopsia de un tumor canceroso tomado de un paciente. En pacientes con cáncer de mama , por ejemplo, se puede usar el análisis automatizado de imágenes de tejido para probar niveles altos de proteínas que se sabe que están presentes en formas más agresivas de cánceres de mama.

Aplicaciones

El análisis automatizado de imágenes de tejidos puede reducir significativamente la incertidumbre en la caracterización de tumores en comparación con las evaluaciones realizadas por histólogos , ^[1] o mejorar la tasa de predicción de recurrencia de algunos cánceres. ^{[2] [3]} Como es un sistema digital, apto para redes, también facilita los esfuerzos de cooperación entre sitios distantes. ^{[4] Los} sistemas para analizar automáticamente las muestras de tejido también reducen los costos y ahorran tiempo. ^[1]

Se utilizan cámaras CCD de alto rendimiento para adquirir imágenes digitales. Junto con microscopios de campo amplio avanzados y varios algoritmos para la restauración de imágenes , este enfoque puede proporcionar mejores resultados que las técnicas confocales a velocidades comparables y menores costos. ^[5]

Procesos

La Administración de Drogas y Alimentos de los Estados Unidos clasifica estos sistemas como dispositivos médicos , en la categoría de instrumentación general de equipos de prueba automáticos . ^[6]

ATIS tiene siete procesos básicos (preparación de muestras, adquisición de imágenes, análisis de imágenes, informes de resultados, almacenamiento de datos, comunicación de red y diagnóstico del sistema autónomo) y la realización de estas funciones hardware de alta precisión y software bien integrado, complejo y costoso. ^[7]

Preparación

La preparación de la muestra es fundamental para evaluar el tumor en el sistema automatizado. En la primera parte del proceso de preparación, el tejido de la biopsia se corta a un tamaño apropiado (típicamente 4 mm), se fija en formalina tamponada , se deshidrata en etanol- xileno , se incrusta en parafina , se corta en secciones delgadas típicamente en rodajas de 4 um y luego se monta en al menos dos portaobjetos con código de barras (un control y una prueba). A continuación, se retira la parafina del tejido, el tejido se rehidrata y luego se tiñe.. Cualquier inconsistencia en estos procedimientos de un caso a otro puede resultar en incertidumbres en el resultado del análisis. Estas inconsistencias potenciales e irreductibles en los resultados de los análisis motivaron el desarrollo de sistemas automatizados de imágenes de tejidos.

Adquisición

Se obtienen micrografías digitales de la muestra teñida en el portaobjetos de vidrio. Las imágenes son tomadas por un conjunto de dispositivos de carga acoplada (CCD). ^[8]

Análisis

El análisis de imágenes implica complejos algoritmos informáticos que identifican y caracterizan el color celular, la forma y la cantidad de la muestra de tejido utilizando tecnología de reconocimiento de patrones de imagen basada en la cuantificación vectorial . Las representaciones vectoriales de objetos en la imagen, a diferencia de las representaciones de mapas de bits, tienen una capacidad superior de ampliación. Una vez que la imagen de muestra ha sido adquirida y residente en la memoria de acceso aleatorio de la computadora como una gran variedad de 0 y 1, un programador con conocimientos en arquitectura celular puede desarrollar algoritmos deterministas aplicados a todo el espacio de memoria para detectar patrones celulares de estructuras celulares previamente definidas y formaciones conocidas por ser significativas. ^[9]

El resultado del algoritmo agregado es un conjunto de mediciones que es muy superior a cualquier sensibilidad humana a la intensidad o la luminancia y el tono de color, mientras que al mismo tiempo mejora la consistencia de la prueba de un globo ocular a otro. ^{[ cita requerida ]}

Reportando

Los sistemas tienen la capacidad de presentar los datos resultantes en texto y gráficamente, incluso en monitores de alta definición, al usuario del sistema. Las impresoras de computadora , como dispositivos de resolución de imagen relativamente baja, se utilizan principalmente para presentar informes patológicos finales que podrían incluir texto y gráficos. ^{[ cita requerida ]}

Almacenamiento

El almacenamiento de los datos adquiridos (archivos de diapositivas digitales gráficos y datos de texto) implica guardar la información del sistema en un sistema de dispositivo de almacenamiento de datos que tiene al menos una recuperación conveniente y capacidades de gestión de archivos. ^{[ cita requerida ]}

Los estándares de la industria de imágenes médicas incluyen los sistemas de comunicación y archivo de imágenes (PACS), de origen europeo, que son soluciones de gestión de imágenes e información en redes informáticas que permiten a los hospitales y clínicas adquirir, distribuir y archivar imágenes médicas e informes de diagnóstico en toda la empresa. Otro estándar de origen europeo es el Sistema de Comunicación y Archivo de Datos e Imágenes (DPACS). Aunque las imágenes médicas se pueden almacenar en varios formatos, un formato común ha sido el de imágenes y comunicaciones digitales en medicina ( DICOM ). ^{[ cita requerida ]}

Ver también

• Histopatología

Referencias

1. O'Gorman, Lawrence; Sanderson, Arthur C .; Preston, Kendall (septiembre de 1985). "Un sistema para el análisis automatizado de imágenes de tejido hepático: métodos y resultados". Transacciones IEEE sobre Ingeniería Biomédica . BME-32 (9): 696–706. doi : 10.1109 / TBME.1985.325587 . ISSN 0018-9294 . PMID 4054933 .  
2. Teverovskiy, M .; Kumar, V .; Junshui Ma; Kotsianti, A .; Verbel, D .; Tabesh, A .; Ho-Yuen Pang; Vengrenyuk, Y .; Fogarasi, S .; Saidi, O. (2004). "Mejora de la predicción de la recurrencia del cáncer de próstata basada en un sistema automatizado de análisis de imágenes de tejidos". 2004 2do Simposio Internacional IEEE sobre Imágenes Biomédicas: Macro a Nano (IEEE Cat No. 04EX821) . 2 . págs. 257-260. CiteSeerX 10.1.1.58.9929 . doi : 10.1109 / ISBI.2004.1398523 . ISBN  0-7803-8388-5.
3. Ali Tabesh; Mikhail Teverovskiy; Ho-Yuen Pang; Vinay P. Kumar; David Verbel; Angeliki Kotsianti; Olivier Saidi (octubre de 2007). "Diagnóstico de cáncer de próstata de características múltiples y clasificación de Gleason de imágenes histológicas" (PDF) . Transacciones IEEE sobre imágenes médicas . 26 (10): 1366-1378. doi : 10.1109 / TMI.2007.898536 . ISSN 0278-0062 . PMID 17948727 . Archivado desde el original (PDF) el 27 de julio de 2011 . Consultado el 4 de septiembre de 2010 .   
4. Bruce Mccullough; Xiaoyou Ying; Thomas Monticello; Marc Bonnefoi (2004). "Imagen de microscopía digital y nuevos enfoques en patología toxicológica" . Patología toxicológica . 32 (2): 49–58. doi : 10.1080 / 01926230490451734 . PMID 15503664 . 
5. Pornchai Phukpattaranont; Pleumjit Boonyaphiphat (2007). Un método de recuento celular automático para una imagen microscópica de tejido de cáncer de mama . Procedimientos de IFMBE. 15 . págs. 241–244. doi : 10.1007 / 978-3-540-68017-8_63 . ISBN 978-3-540-68016-1.
6. Stokes, David (25 de noviembre de 2003). Prueba de sistemas informáticos para el cumplimiento de la FDA / MHRA - David Stokes - Google Books . ISBN 9780849321634. Consultado el 12 de julio de 2012 .
7. Chen, W .; Foran, DJ (2006). "Analytica Chimica Acta - Avances en la tecnología de microarrays de tejido canceroso: hacia una mejor comprensión y diagnóstico" . Analytica Chimica Acta . 564 (1): 74–81. doi : 10.1016 / j.aca.2005.11.083 . PMC 2583100 . PMID 17723364 .  
8. MacDonald, JH; Wells, K .; Reader, AJ; Ott, RJ (febrero de 1997). "Un sistema de imágenes de tejidos basado en CCD". Instrumentos y métodos nucleares en la investigación de la física Sección A: Aceleradores, espectrómetros, detectores y equipos asociados . Instrumentos y métodos nucleares en la investigación física. 392 (1-3): 220-226. Código Bibliográfico : 1997NIMPA.392..220M . doi : 10.1016 / S0168-9002 (97) 00297-0 .
9. Han, JW; Breckon, TP; Randell, DA; Landini, G. (2012). "La aplicación de la clasificación de máquinas de vectores de soporte para detectar núcleos celulares para microscopía automatizada". Visión artificial y aplicaciones . Saltador. 23 (1): 15-24. doi : 10.1007 / s00138-010-0275-y .

enlaces externos

• Medios relacionados con el análisis automatizado de imágenes de tejidos en Wikimedia Commons