Erstellen von digitalen tissue imaging besser: Biomedizinische Forscher entwickeln erste open-source -, Qualitätskontroll-review-Instrument für den schnell wachsenden Bereich der digitalen Pathologie

Es ist ein low-tech-problem plagt die high-tech-Welt der digital pathology imaging.

Das Problem: Auch als digitale Pathologie macht rasche Fortschritte weltweit-mit mehr ärzten die Analyse von Gewebe-Bilder auf „intelligente“ Computer zu diagnostizieren, Patienten-gibt es keine verlässlichen standards für die Vorbereitung und Digitalisierung der gewebeschnitte selbst.

Das bedeutet, dass schlechte Qualität der Folien bekommen, gemischt mit klaren und präzisen Folien, möglicherweise verwirrenden oder irreführenden einem computer-Programm versuchen zu lernen, was eine Krebszelle aussieht, zum Beispiel.

Forscher von der Case Western Reserve University versuchen, das zu ändern.

Bioengineering-Forscher Anant Madabhushi und Andrew Janowczyk, senior research fellow in Madabhushi Center for Computational Imaging und Persönliche Diagnose, haben ein Programm entwickelt, dass Sie sagen wird, dass die Qualität der digitalen Bilder verwendet werden, die für diagnostische und Forschungszwecke.

Die beiden enthüllt Ihre neue Qualität-Steuerungsinstrument in der jüngsten Ausgabe des Journal of Clinical Oncology Clinical Informatics und werden unterstützt durch eine drei-Jahres -, $1.2 Millionen Zuschuss aus dem National Cancer Institute.

Das neue tool beinhaltet eine Reihe von Messungen und Klassifikatoren, um Benutzern zu helfen flag beschädigten Bildern und helfen, behalten Sie diejenigen, die helfen werden, die Techniker und ärzte in Ihren Diagnosen.

„Die Idee ist einfach: bewerten Sie digitale Bilder und bestimmen, welche Folien sind wertvoll für die Analyse von einem computer und welche nicht,“ sagte Madabhushi, die F. Alex Nason Professor II biomedizinische Technik an der Case School of Engineering. „Das ist wichtig, gerade jetzt, da die digitale Pathologie ist die Einnahme aus weltweit und legen den Grundstein für mehr Einsatz von KI (künstliche Intelligenz) für die Befragung Gewebe-Bilder.“

Die Anwendung ist „open source“ — oder kostenlos für jedermann zu benutzen, zu modifizieren und zu erweitern. Es kann durch ein online-repository. Entwickelt wurde es von Janowczyk vor etwa 18 Monaten nach der Entdeckung, was er geglaubt, dass eine überraschend große Anzahl von schlechter Qualität der Folien aus der bekannten Krebs-Genom-Atlas, Heimat von mehr als 30.000 gewebeschnitte von Tumorproben.

Janowczyk, sagte etwa 10 Prozent des 800-Krebs-Probe-Dias, die er überprüft hatte Probleme, angefangen von einem Riss in der Folie oder Luftblasen zwischen der Folie Schichten.

„Messer Geschwätz‘ unter vielen Unvollkommenheiten Folie

Um den Wert schätzen — und Risiko — im Vertrauen auf die hoch technische, smart-computer, digital-imaging die Diagnose Krebs, ist es hilfreich zu verstehen, die grundlegenden Schritte in immer dort.

Während diese high-tech-Ansätze können den Prozess Tausende von Bildern pro Sekunde, Sie sind angewiesen auf digitale Bilder von der gleichen Art von Gewebe, Folien, Pathologen haben für Generationen. Und Dias, die, bei Betrachtung durch ein Mikroskop, haben mehr Mängel, als Sie vielleicht denken.

Um eine Folie erstellen, die der Pathologe ersten ernten ein block von Gewebe aus einem organ Dissektion, legt ein kleines Stück des Gewebes auf ein Stück Glas, das make-up wird eine Folie. Das Gewebe wird dann gefärbt, zu offenbaren, seine zelluläre Muster. Ein zweites, kleineres Stück Glas wird dann platziert auf der Oberseite des Gewebeprobe zu schützen.

Die Qualität kann beeinträchtigt werden, schieben Vorbereitung von Luftblasen, Schlieren und unregelmäßige Schnitte (sogenannte „Messer “ chatter“) im Gewebe oder sogar während der Digitalisierung entstehen, die möglicherweise die Einführung der Unschärfe und der Helligkeit Probleme.

„Ein Mikroskop kann nicht konzentrieren sich auf Bereiche, die verzerrt haben Qualität“, sagte Janowczyk, der auch ein Bioinformatiker am schweizerischen Institut für Bioinformatik. (Bioinformatik ist die Wissenschaft des Sammelns und der Analyse von komplexen biologischen Daten, wie genetische codes oder, in diesem Fall digitalisierte Bilder der gewebeschnitte.) „Und es dauerte Tage, gehen durch alle diejenigen, die Folien manuell zu identifizieren und entfernen Sie die schlechten. Es war dann, dass ich erkannte, wir brauchten einen schnelleren, automatisierten Weg, um sicherzustellen, hatten wir nur das gute Gewebe-Folie Bilder.“

Das Ergebnis, sagte Madabhushi, bewegt sich in Richtung einer echten „Demokratisierung der imaging-Technologie“ für eine bessere Diagnostik von Krebs und anderen Krankheiten.

Partner auf der neuen Projekt-genannt „Histo-QC“ für „Histologie“ die Untersuchung der mikroskopischen Struktur der Gewebe und „Qualitätskontrolle“ — sind auch Forscher von der Universität, der Krankenhäuser, der Perelman School of Medicine an der University of Pennsylvania und der Louis Stokes Cleveland VA Medical Center.

Madabhushi gegründet, die CCIPD an der Case Western Reserve im Jahr 2012. Das Labor, das jetzt umfasst etwa 50 Forscher, hat sich zu einem globalen Marktführer in der Erkennung, Diagnose und Charakterisierung von verschiedenen Krebsarten und anderen Krankheiten, die durch Vernetzung der medizinischen Bildgebung, maschinelles lernen und künstliche Intelligenz.

Einige seiner jüngsten arbeiten, die in Zusammenarbeit mit anderen von der New York University und der Yale University wurde mit Hilfe von AI, um vorherzusagen, welche Patienten mit Lungenkrebs profitieren von einer adjuvanten Chemotherapie auf der Grundlage von Gewebe-Folie Bilder. Dass Fortschritt genannt, die von Prevention Magazine als einer der “ top 10 medical breakthroughs in 2018.