Digitální patologie

Autoři: Sherri Heffner, CT ASCP; Olga Colgan, PhD; Colin Doolan, BSc

 

Obsah

Co je digitální patologie?

Jaké jsou výhody digitální patologie?

7 kroků k digitální patologii

Jaké jsou budoucí trendy v oblasti digitální patologie a IHC?

Digitální patologie už pomohla způsobit revoluci ve vzdělávání

 

Co je digitální patologie?

Digitální patologie je získávání, vedení, sdílení a interpretace patologických údajů – včetně snímků a dat – v digitálním prostředí. Digitální snímky se vytvářejí, když jsou sklíčka se vzorky snímána skenovacím zařízením, aby poskytovala digitální obraz ve vysokém rozlišení, který lze zobrazit na obrazovce počítače či mobilního zařízení.

Obr. 1: Evoluce digitální patologie v průběhu času.

 

S využitím vysoce výkonných automatizovaných digitálních patologických skenerů je možné zachytit celé sklíčko se vzorkem ve světelném poli nebo ve fluorescenčních podmínkách při zvětšení, které je srovnatelné s mikroskopem. Digitální obrazy lze sdílet přes různé sítě pomocí specializovaných softwarových aplikací pro digitální patologii. Lze také použít nástroje pro automatickou analýzu obrazu, které pomáhají při interpretaci a kvantifikaci exprese biomarkerů v tkáňových řezech.

Historie digitální patologie sahá více než 100 let do minulosti, kdy bylo poprvé použito speciální zařízení k zachycení snímků z mikroskopu na fotografické desky. Koncept telepatologie – přenos mikroskopických obrazů mezi vzdálenými oblastmi – existuje již téměř 50 let. Avšak až v posledním desetiletí začala patologie procházet skutečnou digitální transformací s odklonem od analogového do elektronického prostředí.

Rychlý vývoj technologie zobrazování celých snímků (WSI – Whole-Slide Imaging) spolu s vývojem softwarových aplikací, připojením LIS/LIMS a vysokorychlostními sítěmi umožnily plně integrovat digitální patologii do pracovních patologických postupů.

Digitální patologie umožňuje patologům vyhodnocovat a vzdáleně, transparentně, konzistentně a rychle spolupracovat, díky čemu se zvyšuje efektivita a produktivita. Budoucnost digitální patologie by mohla nakonec zahrnovat i rozšířený translační výzkum, počítačovou diagnostiku (CAD) a personalizovanou medicínu.

 

Jaké jsou výhody digitální patologie?

Skleněná podložní skla se budou používat i nadále, a sice z jednoho praktického důvodu – patologie začíná odebranou tkání. Skla jsou tedy nezbytná, a to i když jsou později přenesena do digitální podoby. V dnešní době jde však patologie nad rámec tkáně nebo skenů. Je to všechno o zlepšování kvality, produktivity a tak dále.

Vezměte však v úvahu, jak se současná patologie mění:

Patologů je na pracovním trhu nedostatek, přičemž je více patologů odcházejících do důchodu než těch, kteří do oboru nově vstupují.

Digitální technologie se stále více a více začleňují do našich životů a přináší lepší kvalitu a inovace.

V dnešní době patologie vyžaduje nové přístupy. A pokud se patologové zdráhají si plně osvojit digitální patologii, připravují se o výhody, kterých tradičními postupy dosáhnout nelze.

Digitální patologie nabízí takové výhody, na jejichž dosažení vám pouhá skleněná podložní sklíčka stačit nebudou. Podívejte se na široké spektrum výhod digitální patologie oproti samotné mikroskopii.

 

Digitální patologie může zlepšit kvalitu významnými způsoby:

Vylepšená analýza:

Algoritmy pro analýzu sklíček jsou objektivní, přesné a rychlejší než mikroskopie

Rychlý přístup k prioritním případům

Uchování dat umožňuje dlouhodobou prediktivní analytiku

Snížení chyb:

Eliminace zlomení sklíčka

Čárové kódy snižují riziko chybné identifikace

Lepší zobrazení:

Poskytuje živé přiblížení a více úhlů pohledu

Schopnost měřit více AOI (Automated Optical Inspection)

Umožňuje týmové komentování sklíček

Poskytuje přehled dat a poznámek v přístrojovém panelu

 

Jednou z největších výhod digitální patologie je velké množství způsobů zvýšení produktivity v krátkodobém i dlouhodobém horizontu:

Vylepšení pracovního postupu:

Podpora spolupráce

Centrální úložiště umožňuje snadný přístup v efektivním pracovním postupu

Směřuje trend k outsourcingu

Umožňuje automatizaci, flexibilní pracovní plány a vzdálený přístup

Zkracuje čas vyhodnocení:

Rychlejší přístup k archivovaným digitalizovaným sklíčkům

Snížení času načítání, zpracování a organizace dat

Urychlení přístupu ke vzorkům a zkrácení doby vyhodnocení oproti manuálním kontrolám, hlavně ve složitých případech

Více inovací: 

Velký objem dat umožňuje patologům stát se více specializovanými

Umožňuje rozšířit praxi do dalších geografických oblastí

Poskytuje lepší nástroje pro výuku a školení

Argument, že “klasická sklíčka fungují dobře”, je častý způsob, jak říct, že patologové nemají jak ospravedlnit investici do digitalizace. Často se však nezohledňují některé dlouhodobé nákladové výhody digitalizace, jako například:

Eliminuje kurýrní služby

Zrychluje pracovní postup

Redukuje se cestování kvůli odbornému posouzení

Otevírají se nové obchodní příležitosti díky schopnosti geograficky rozšířit praxi do dalších míst

Předchází nutnosti přesčasů

 

7 kroků k digitální patologii

Překážky pro přijetí digitální patologie

“Na mikroskopování není nic špatného.”

“Naše informační systémy nebude možné integrovat s jinými technologiemi.”

“Změna je těžká.”

Toto je několik obav patologů ohledně digitální patologie. Avšak jakmile se dozví víc, zjišťují, že jejich obavy z přechodu na digitální patologii jim brání získávat významně výhody. Také přicházejí na to, že staré metody nemohou konkurovat dnešním digitálním řešením.

I když patologové chápou, že digitální metody nabízejí vyšší rychlost, přesnost, efektivitu a spolupráci, může se vývoj jevit jako znepokojující. Úplné osvojení digitalizace v patologii je plné výzev.

Proces přijímání digitální patologie může organizaci transformovat. Je tedy důležité znát kroky a postup, kterými začínat.

KROKYKLÍČOVÉ KOMPONENTY
1.    Podpořit digitální patologii●      Vybrat řešitele projektu a patologa

      Pochopit výhody digitální patologie

      Přečíst případové studie a prozkoumat nejlepší postupy

●      Zkoumat překážky a vysokoúrovňové potřeby

      Využít vizuální management k vytvoření nového pracovního postupu

      Prozkoumat možnosti trhu

      Hledat podporu, získat zpětnou vazbu

2.    Definovat potřeby a cíle      Naplánovat nový podrobný pracovní postup

      Uvést seznam potřeb, včetně vybavení, procesů, týmů/rolí

      Ověřit proveditelnost konceptu

3.    Specifikovat potřeby infrastruktury a laboratorních informačních systémů (LIS)      Vybrat technologického vedoucího projektu a zajistit podporu od IT

      Určit síťové, úložné a bezpečnostní potřeby

●      Porovnat požadavky na vybavení, rozpočty a časové plány

●      Stanovit krátkodobé a dlouhodobé priority

4.    Vytvořit pracovní postup      Napsat pracovní instrukce pro každou fázi digitální konverze (pořízení obrazu, preanalytika, management a analýza obrazu)
5.    Konfigurace a školení      Používat před úplným přechodem digitální i původní nedigitální procesy současně. Porovnat, analyzovat a vylepšit digitální pracovní postup

      Nabídnout odborné diskuze, peer to peer, výukové programy a další tréninkové metody pro zúčastněné strany na všech úrovních

●      Vést schůzky o průběžném stavu k určení pokroku a mezer.

      Uvědomění si, že úplná konverze zabere nějakou dobu

6.    Zavedení      Plné převedení manuálních procesů do digitálních

      Využití výhod na zavedení v plné šíři

7.    Analyzovat a rozšiřovat aplikace      Vyhodnotit rychlost, množství a náklady vylepšení

      Změřit snížení přesčasů a poškozených snímků

      Udělat průzkum spokojenosti zákazníků

      Využít přístupnější data ke zvýšení spolupráce

      Získat nové pohledy na věc z pokročilých datových analýz

      Analyzovat proces k hlubším postřehům. Spolupracovat s poskytovateli na modernizaci a vylepšeních

 

Jaké jsou budoucí trendy v oblasti digitální patologie a IHC?

Digitální patologie je stále více využívána velkými biofarmaceutickými společnostmi a vrcholovými organizacemi klinického výzkumu (CRO) k zefektivnění procesů vývoje léčiv ve výzkumných, preklinických a klinických studiích.

Zvláštní příležitost existuje pro potenciální budoucí využití digitální patologie pro kvantitativní analýzu nově vznikající doprovodné diagnostiky a nových terapeutických postupů. Tato příležitost se může stát významná zejména s příchodem testů, které je obtížné rozeznat lidským okem, jako jsou například multiplexové metody. Nebo hodnocení markerů, které vykazují difúzní barvicí charakteristiky napříč více buněčnými komponenty, kde může být klinicky relevantní například pouze jeden.

Rostoucí složitost takovýchto analýz je hnací silou vývoje digitální patologie s vysoce výkonným pokročilým snímáním obrazu (světlé pole, fluorescenční nebo multispektrální) spolu s rozpoznáváním vzoru pro morfologickou identifikaci příslušných typů tkání a jednotlivých buněčných oddílů s následnou schopností kvantifikovat (IHC) intenzitu barvení.

Toto vede k příchodu systémů digitální patologie, které mohou nabídnout klinicky relevantní diagnostické nebo prognostické výsledky porovnáním výstupů analýz vzorků vůči standardní křivce odvozené z klinických dat. Velká část nevyužitého potenciálu digitální patologie může spočívat v potenciální schopnosti generovat diagnostické nebo prognostické výsledky pomocí kombinací IHC dat a obrázků s jinými modalitami, jako jsou například FACS nebo MALDI-TOF, ve snaze dosáhnout diskrétního rozdělení pacientů do klinicky relevantních skupin. Nové molekulární testy a integrace digitální patologie mohou spíše než náhradu za IHC nabídnout do budoucna doplňkové diagnostické nástroje.

 

Digitální patologie už pomohla způsobit revoluci ve vzdělávání

Sektor vzdělávání byl jedním z prvních uživatelů digitální patologie, který ji využíval v širokém spektru výuky histopatologie od vysokoškolského a postgraduálního vzdělávání až po neustálý profesionální rozvoj (CPD) a externí zajišťování kvality (EQA).

Tradiční vzdělávání využívající světelné mikroskopy a podložní sklíčka se potýká s mnoha výzvami, včetně přístupu ke sklíčkům a variabilnímu obsahu kurzu, které lze překonat pomocí digitální patologie. To zahrnuje:

Standardizaci výukových materiálů: V rámci digitální patologie vidí každý účastník přesně stejný obsah, na rozdíl pouze od podobných sklíček s řezy získanými ze stejného tkáňového bloku, které mohou, ale nemusí vykazovat stejné morfologické a biomarkerové expresní vzory. Standardizace obsahu zajišťuje, že každý účastník má stejné příležitosti ke vzdělávání i kvalitu vzdělání. Digitální patologie navíc usnadňuje zahrnutí vzácných případů do výukových materiálů, protože je vyžadována pouze jedna digitální kopie snímku ve srovnání s několika sklíčky pro standardní velikost kurzu.

Vylepšenou přístupnost: Digitální patologie usnadňuje větší přístup k tkáním a podložním sklíčkům mimo laboratoř a tradiční výukový čas. Uživatelé mohou získat přístup k obsahu svého digitálního kurzu přes internet na standardním webovém prohlížeči, přes osobní počítač, tablet nebo smartphone, což jim tím pádem dává možnost prohlížet snímky kdykoli a kdekoli. Použití digitální patologie k podpoře schémat CPD a EQA pomáhá snižovat čas potřebný na vyhodnocení vzorku a náklady, jelikož snímky již nemusí být fyzicky dodávány z jednoho místa na druhé, ale mohou být efektivně sdíleny s více místy současně.

Vylepšení učení: Přechod z fyzického do digitálního prostředí pro výuku histopatologie nabízí oproti tradičním metodám výuky světelné mikroskopie se sklíčky mnoho výhod. Uživatelé si mohou prohlížet více digitálních snímků současně a umisťovat je vedle sebe pro lepší srovnání mezi různými tkáňovými řezy a imunochemickými (IHC) markery (Obr. 6).

Obr. 6: Digitální patologie umožňuje současně zobrazovat více digitálních snímků a umisťovat je vedle sebe pro lepší srovnání mezi různými tkáňovými řezy a IHC markery.

 

Pedagogové mohou označit a opatřit poznámkami významné oblasti zájmu, a to až na buněčné a subbuněčné úrovni, což se pomocí klasických sklíček (Obr. 7) provést nedá. Se specializovanými vzdělávacími softwarovými aplikacemi digitální patologie lze navíc do digitálních snímků vložit otázky a cvičení, které poskytují kontextové informace a přímé odkazy na tkáňové nebo buněčné vlastnosti uvedené v otázkách.

Obr. 7: Digitální zobrazení často používají pedagogové k histologickému tréninku. S využitím digitálních snímků a softwarových aplikací je možné označit a komentovat významné oblasti zájmu.

 

(Zdroj originálního textu: Leica Biosystems. Redakčně upraveno a rozšířeno.)

 

Protilátka měsíce – CK7 (klon RN7) – myší monoklonální protilátka

Protilátka měsíce – CK7 (klon RN7) – myší monoklonální protilátka

Distribuce CK 7 je omezena na žlazové a přechodné epitely. Uvádí se, že cytokeratin 7 je hojně exprimován v kultivovaných bronchiálních a mezoteliálních buňkách, ale pouze v nižších hladinách v kultivovaných epidermálních buňkách. Předpokládaná aminokyselinová sekvence tohoto keratinu odhalila výrazný rozdíl mezi tímto keratinem a keratiny typu II exprimovanými v epidermálních buňkách. Cytokeratin 7 byl nalezen u adenokarcinomů plic, prsu, endometria, vaječníků, štítné žlázy a také u karcinomů močového měchýře a chromofobního karcinomu ledvin. Bylo popsáno, že exprese cytokeratinu 7 a cytokeratinu 20 vykazuje charakteristické vzorce pro primární a metastatické adenokarcinomy plic a kolorektálního karcinomu.

více informací
Selekce a vývoj aptamerů

Selekce a vývoj aptamerů

Aptamery, často popisované jako syntetické protilátky, jsou jednovláknové molekuly DNA nebo RNA, které se skládají do sekundárních struktur, a které se mohou vázat na cílové molekuly s vysokou afinitou a specificitou. Mezi jejich aplikace patří: detekční molekuly v analýzách podobných ELISA testu, proteinově specifické barvení tkáně, cílené podávání léků a také léčba makulární degenerace, jenž byla schválena FDA.

více informací
kategorie: imunologie
K-shlukování (K-klastrování)

K-shlukování (K-klastrování)

Přinášíme Vám další článek z oblasti biostatistiky. K-shlukování seskupuje vzorky, které jsou si navzájem nejpodobnější. Jeden shluk (nebo skupina) se tvoří kolem jednoho těžiště (tzv. centroidu); počet centroidů určuje uživatel. Tento test se provádí k profilování vzorků.

více informací
kategorie: Biostatistika