{"id":1033,"date":"2026-02-05T00:25:50","date_gmt":"2026-02-04T23:25:50","guid":{"rendered":"https:\/\/ibib.waw.pl\/?p=1033"},"modified":"2026-02-05T00:28:32","modified_gmt":"2026-02-04T23:28:32","slug":"narzedzie-wspomagania-histopatologa-w-analizie-wirtualnych-slajdow-tkanek-pacjentow-z-rakiem-sutka-barwionych-immunohistochemicznie-z-uzyciem-dab-i-hematoksyliny","status":"publish","type":"post","link":"https:\/\/ibib.waw.pl\/en\/narzedzie-wspomagania-histopatologa-w-analizie-wirtualnych-slajdow-tkanek-pacjentow-z-rakiem-sutka-barwionych-immunohistochemicznie-z-uzyciem-dab-i-hematoksyliny\/","title":{"rendered":"A tool to assist histopathologists in the analysis of virtual slides of breast cancer patients' tissues stained immunohistochemically using DAB and haematoxylin."},"content":{"rendered":"

Kierownik projektu: mgr in\u017c. \u0141ukasz Roszkowiak<\/strong><\/p>\n\n\n\n

Projekt finansowany przez Narodowe Centrum Nauki w ramach konkursu PRELUDIUM UMO-2013\/11\/N\/ST7\/02797.<\/p>\n\n\n\n

O czym jest projekt?
<\/strong>Czy wiesz, czym zajmuje si\u0119 patomorfolog? Jest to bardzo zapracowany lekarz, do kt\u00f3rego trafiaj\u0105 fragmenty tkanek, na przyk\u0142ad z wykrytego ma\u0142ego guzka. Dop\u00f3ki nie zajrzymy do \u015brodka guzka i nie obejrzymy jak wygl\u0105daj\u0105 tkanki w jego wn\u0119trzu nie wiemy czy jest to niegro\u017ana zmiana czy \u015bmiertelnie niebezpieczny nowotw\u00f3r. To w\u0142a\u015bnie patomorfolog stawia diagnoz\u0119 po tym jak obejrzy tkank\u0119 pod mikroskopem.
Fragment podejrzanej tkanki pobierany jest przez uk\u0142ucie specjaln\u0105 ig\u0142\u0105 (biopsja) lub podczas operacji. Z gabinetu (lub sali operacyjnej) trafia do laboratorium. Tam przechodzi specjalny proces, po kt\u00f3rym jest utwardzony tworz\u0105c zwarte bloczki (parafinowe). Bloczki te s\u0105 nast\u0119pnie krojone na bardzo cienkie p\u0142aty, kt\u00f3re zostaj\u0105 umieszczone mi\u0119dzy dwoma szkie\u0142kami. Tak przygotowany preparat mo\u017cna ogl\u0105da\u0107 pod mikroskopem. Patomorfolog na podstawie obserwacji tak przygotowanych wycink\u00f3w jest w stanie postawi\u0107 diagnoz\u0119. 
Czasami to nie wystarcza. Z bloczk\u00f3w wycinane s\u0105 dodatkowe p\u0142aty tkanki, kt\u00f3re s\u0105 poddawane specjalistycznemu barwieniu (np.: immunohistochemicznemu), kt\u00f3re uwidacznia dodatkowe informacje w tkance. Dzi\u0119ki temu \u0142atwiej jest postawi\u0107 dobr\u0105 diagnoz\u0119.
W dzisiejszych czasach wszystko powoli ulega cyfryzacji. Patologia r\u00f3wnie\u017c. Zmienia si\u0119 w cyfrow\u0105 patologi\u0119. Dzi\u0119ki skanerom wirtualnych slajd\u00f3w mo\u017cliwe jest obserwowanie tkanek nie tylko za pomoc\u0105 mikroskopu, ale r\u00f3wnie\u017c na ekranie komputera. Dodatkowo mo\u017cliwe jest wykorzystanie takich narz\u0119dzi jak techniki przetwarzania obrazu oraz sztuczna inteligencja.
Analiza tkanki dokonywana przez patomorfologa jest procesem \u017cmudnym i czasoch\u0142onnym, a kilku ekspert\u00f3w mo\u017ce mie\u0107 r\u00f3\u017cne zdanie na temat tego samego przypadku. Ocenie podlegaj\u0105 kszta\u0142ty i kolory widoczne w strukturach tkanki, ale r\u00f3wnie cz\u0119sto konieczne jest policzenie j\u0105der kom\u00f3rkowych w polu widzenia. Patomorfolog dziennie ocenia kilkadziesi\u0105t przypadk\u00f3w, a kiedy musi policzy\u0107 setki kolorowych obiekt\u00f3w w ka\u017cdym z nich, jest to dla niego m\u0119cz\u0105ce. Wychodz\u0105c na przeciw potrzebom patolog\u00f3w, podj\u0119li\u015bmy si\u0119 zadania u\u0142atwienia procesu zliczania j\u0105der kom\u00f3rkowych widocznych w pr\u00f3bkach. Opracowali\u015bmy narz\u0119dzie, kt\u00f3re stanowi system doradczy u\u0142atwiaj\u0105cy prac\u0119 patomorfologa w przypadku tkanek poddanych specjalnemu barwieniu. 
Opracowanie tego systemu wymaga\u0142o pracy z bardzo du\u017cymi obrazami, dzielenia ich na mniejsze fragmenty mo\u017cliwe do obr\u00f3bki a nast\u0119pnie \u0142\u0105czenia wynik\u00f3w w ca\u0142o\u015b\u0107. Okaza\u0142o si\u0119, \u017ce zastosowanie r\u00f3wnoleg\u0142ych oblicze\u0144 i sztucznej inteligencji doprowadzi\u0142o do efektywnej pracy systemu i nadaje si\u0119 on do analizy r\u00f3\u017cnych obraz\u00f3w patomorfologicznych. Dodatkowo narz\u0119dzie umo\u017cliwia \u0142atw\u0105 r\u0119czn\u0105 weryfikacj\u0119 trudnych do automatycznej klasyfikacji przypadk\u00f3w.
Dzi\u0119ki stosowaniu tego systemu mo\u017cliwe jest udoskonalenie i usprawnienie pracy laboratori\u00f3w diagnostycznych. G\u0142\u00f3wnym efektem u\u017cycia tego systemu, na razie w aspekcie naukowym, a kiedy\u015b w rutynowej diagnostyce, jest szybciej analizowana pr\u00f3bka. Poza tym, nasz system za ka\u017cdym razem da dok\u0142adnie ten sam wynik, podczas gdy por\u00f3wnamy wyniki oceny kilku specjalist\u00f3w mog\u0105 si\u0119 one r\u00f3\u017cni\u0107. A to wywo\u0142uje zak\u0142opotanie. Jednoznaczno\u015b\u0107 wynik\u00f3w oceny wp\u0142ywa pozytywnie na jako\u015b\u0107 leczenia oraz obni\u017ca koszty. Co najwa\u017cniejsze, daje to szybszy dost\u0119p do diagnozy a co za tym idzie popraw\u0119 komfortu pacjenta. <\/p>\n\n\n\n

Cel bada\u0144\/Hipoteza<\/strong>
Celem projektu jest zaprojektowanie i wykonanie narz\u0119dzia komputerowego wspomagaj\u0105cego prac\u0119 w laboratoriach diagnostycznych Zak\u0142ad\u00f3w Patologii w ocenie mikromacierzy tkankowych (ang. TMA) barwionych immunohistochemicznie z u\u017cyciem DAB&H (3,3′ Diaminobenzidine&Haematoxylin) w szczeg\u00f3lno\u015bci w ocenie tkanek pochodz\u0105cych z biopsji w raku sutka, jak r\u00f3wnie\u017c ocena stworzonego narz\u0119dzia w stosunku do istniej\u0105cych metod oraz w stosunku do wynik\u00f3w manualnej oceny patologa.<\/p>\n\n\n\n

Metoda badawcza<\/strong>
W niniejszym projekcie planuje si\u0119 zastosowanie znanych w przetwarzaniu obraz\u00f3w metod segmentacji oraz sieci neuronowych, a tak\u017ce nowej metody zaproponowanej przez autora projektu. Metody te b\u0119d\u0105 poddawane ocenie u\u017cyteczno\u015bci do wyznaczania granic i naliczania ilo\u015bci obiekt\u00f3w immunopozytywnych i immunonegatywnych w obrazach cyfrowych skanowanych z preparat\u00f3w histopatologicznych przygotowanych metod\u0105 TMA. Planowane jest zastosowanie metodologii proces\u00f3w r\u00f3wnoleg\u0142ych realizuj\u0105cych na wielu rdzeniach procesora lub z wykorzystaniem przetwarzania rozproszonego (klaster lub gpgpu) algorytm analizy obraz\u00f3w pracuj\u0105cy na pojedynczych obszarach zainteresowania (ROI). W zwi\u0105zku z tym wybrane fragmenty zostan\u0105 podzielone na zachodz\u0105ce na siebie obszary zainteresowania o prostok\u0105tnym kszta\u0142cie odpowiadaj\u0105ce rozmiarem obrazom efektywnie przetwarzanym przez pojedynczy procesor. Kolejnym etapem b\u0119dzie opracowanie metody \u0142\u0105czenia wynik\u00f3w cz\u0105stkowych w wynik ca\u0142kowity (uzgadniania wynik\u00f3w w obszarach zachodz\u0105cych) oraz dob\u00f3r optymalnego algorytmu podzia\u0142u na ROI ze wzgl\u0119du na ilo\u015b\u0107 dost\u0119pnych procesor\u00f3w i na rozmiar obszar\u00f3w zachodz\u0105cych.
Opracowane narz\u0119dzie zostanie ocenione pod wzgl\u0119dem skuteczno\u015b\u0107 i poprawno\u015b\u0107 dzia\u0142ania zar\u00f3wno metody segmentacji i klasyfikacji jak i oceny preparatu pacjenta jako ca\u0142o\u015bci tak w stosunku do rezultat\u00f3w innych automatycznych i p\u00f3\u0142automatycznych metod (np.: w stosunku do wynik\u00f3w systemu TMarker, plugin ImageJ i innych), jak i w stosunku do oceny manualnej patologa. System b\u0119dzie wsp\u00f3\u0142pracowa\u0142 z u\u017cytkownikiem za pomoc\u0105 graficznego interfejsu na tyle intuicyjnego, aby m\u00f3g\u0142 z niego korzysta\u0107 lekarz patolog, ale r\u00f3wnie\u017c przeszkolony operator nieb\u0119d\u0105cy lekarzem wst\u0119pnie przygotowuj\u0105cy dane do obr\u00f3bki. System b\u0119dzie klasyfikowa\u0142 jedynie ewidentne obiekty, natomiast obiekty sporne b\u0119d\u0105 prezentowane patologowi, kt\u00f3ry jednym klikni\u0119ciem b\u0119dzie j\u0105 wyklucza\u0142 z klasyfikacji, lub klasyfikowa\u0142 do obiekt\u00f3w immunopozytywnych lub immunonegatywnych. Narz\u0119dzie b\u0119dzie zawiera\u0142o modu\u0142 pami\u0119taj\u0105cy obiekty w stosunku do kt\u00f3rych nast\u0105pi\u0142o rozstrzygni\u0119cie patologa, aby gromadzi\u0107 wiedz\u0119 pozwalaj\u0105c\u0105 na dopracowanie metod analizy w nast\u0119pnej generacji oprogramowania.<\/p>\n\n\n\n

Wp\u0142yw rezultat\u00f3w<\/strong>
Analiza tkanki dokonywana przez histopatologa jest procesem \u017cmudnym i czasoch\u0142onnym, dlatego jej wynik obarczony jest b\u0142\u0119dem mi\u0119dzyklasowym i wewn\u0105trzklasowym. Aby zmniejszy\u0107 zmienno\u015b\u0107 dokonywanej oceny, proponujemy jej cz\u0119\u015bciow\u0105 automatyzacj\u0119 z jednoczesnym pozostawieniem lekarzowi decyzji w przypadkach trudnych do rozstrzygni\u0119cia metodami analizy obraz\u00f3w i klasyfikacji z u\u017cyciem sieci neuronowych. Opracowane narz\u0119dzie pozwoli na: (1) skr\u00f3cenie czasu po\u015bwi\u0119conego przez histopatologa na ocen\u0119 preparatu oraz (2) zwi\u0119kszenia powtarzalno\u015bci, por\u00f3wnywalno\u015bci i obiektywizacji oceny ilo\u015bciowej preparat\u00f3w. Obie wymienione korzy\u015bci maj\u0105 swoje prze\u0142o\u017cenia na popraw\u0119 jako\u015bci leczenia i obni\u017cenia jego koszt\u00f3w w wymiarze spo\u0142ecznym.<\/p>\n\n\n\n

Najwa\u017cniejsze osi\u0105gni\u0119cia:<\/strong><\/p>\n\n\n\n