Combinația dintre digitalizare, inteligență artificială și metode multiplex ridică histologia veterinară la un nou nivel, cu mai multă obiectivitate, un câștig de informații mai mare și o aplicabilitate mai largă.

Examinările histologice au jucat un rol central în predare, diagnostic și cercetare timp de decenii. Analiza microscopică a țesuturilor în stări fiziologice și patologice permite determinarea structurii, compoziției și modificărilor acestora, care sunt esențiale pentru recunoașterea și înțelegerea bolilor. Deși conceptul fundamental de histologie a rămas neschimbat de-a lungul deceniilor, metodele utilizate pentru analiză și informațiile care pot fi obținute din secțiunile de țesut au evoluat considerabil.

Două inovații cheie

În mod tradițional, examinarea histologică se efectuează folosind un microscop optic, iar observațiile și interpretarea acestora depind în primul rând de experiența patologului. Constatările sunt descrise, estimate sau cuantificate manual, de exemplu, atunci când se numără figurile mitotice în tumori. Această abordare este oarecum subiectivă; în plus, cuantificările necesită mult timp și sunt limitate la zone de țesut selectate pentru a fi fezabile manual (analize hotspot). În schimb, digitalizarea secțiunilor de țesut și utilizarea inteligenței artificiale (IA) deschid noi posibilități.

Histologia digitală și cea susținută de IA permit analiza automată, standardizată și obiectivă a probelor de țesut. Digitalizarea secțiunilor de țesut face posibilă capturarea unor specimene întregi la rezoluție înaltă și punerea lor la dispoziție indiferent de locație. Algoritmii de învățare profundă pot fi apoi utilizați pentru a recunoaște și cuantifica caracteristicile definite ale țesuturilor, a număra elemente individuale precum celulele, figurile mitotice sau microorganismele și a vizualiza și măsura distribuția lor spațială. Histologia bazată pe IA aduce două inovații cheie:

• în primul rând, patologul lucrează pe un computer, ceea ce face ca utilizarea unui software adecvat să fie o cerință de bază;
• în al doilea rând, cantitatea și precizia informațiilor obținute din țesut sunt crescute de nenumărate ori.

Diferența dintre histologia tradițională și cea asistată de inteligență artificială poate fi ilustrată clar folosind markerul imunohistochimic Ki67 pentru determinarea ratei de proliferare celulară a tumorilor. În mod tradițional, se examinează doar o mică zonă tumorală cu cea mai mare expresie Ki67 (hotspot), iar celulele Ki67-pozitive sunt cuantificate manual folosind un microscop optic. În schimb, metodele asistate de inteligență artificială oferă următoarele opțiuni: analiza întregii secțiuni de țesut tumoral este fezabilă; hotspot-urile Ki67 sunt identificate automat; expresia Ki67 a mii de celule este cuantificată obiectiv; iar analiza se execută în fundal fără a întrerupe fluxul de lucru. Cu hardware-ul actual de la Institutul nostru de Patologie Veterinară din Berna, timpul necesar pentru evaluarea expresiei Ki67 a aproximativ 180.000 de celule tumorale este mai mic de două minute. Analize comparabile pot fi aplicate multor alți markeri tisulari.

Pentru histologia digitală, sunt disponibile soluții software comerciale și open-source. Adecvarea lor variază în funcție de laboratorul de patologie - orientat spre diagnostic sau cercetare, uman sau veterinar - precum și de abilitățile patologilor în utilizarea software-ului, volumul probei și tipul dorit de analiză a țesuturilor. Sistemele comerciale oferă adesea module certificate, interfețe ușor de utilizat și funcții avansate, în timp ce programele open-source permit fluxuri de lucru de bază, cum ar fi detectarea țesuturilor, segmentarea, analiza markerilor și exportul de date cantitative. Exemple de software comercial aprobat includ Philips IntelliSite Pathology Solution (2017, FDA, diagnostic), Paige Prostate (2021, FDA, primul instrument bazat pe inteligență artificială pentru detectarea cancerului de prostată la bărbați) și Inspirata Dynamyx (2022, FDA, diagnostic). În Europa, s-au consacrat mai multe platforme certificate CE-IVDR, inclusiv Visiopharm AI Apps, Indica Labs HALO AP®, Aiforia Clinical Suite și Mindpeak AI. Programele open-source utilizate în mod obișnuit, cum ar fi Orbit, Cytomine, Ilastik sau QuPath, sunt potrivite în principal pentru proiecte de cercetare.

Revoluția cercetării

În special în cercetare, metodele digitale revoluționează analiza țesuturilor, deoarece procedurile bazate pe inteligență artificială permit o cuantificare obiectivă, standardizată și reproductibilă. Exemplele de aplicații includ tipizarea și numărarea celulelor imune în tumori sau țesut infectat, măsurarea țesutului cicatricial din inimă după infarctul miocardic și cuantificarea plăcilor și a țesutului cerebral afectat în modelele Alzheimer. Bazându-se pe aceste analize, analiza multiplex câștigă o importanță tot mai mare, permițând vizualizarea simultană a zeci până la sute de markeri pe o singură secțiune de țesut.

Citometria de masă imagistică (IMC) este o astfel de tehnologie multiplex, exemplificată de sistemul de imagistică Hyperion de la Standard BioTools (fostul Fluidigm), lansat în 2011. Aceasta combină ablația cu laser cu spectrometria de masă, permițând analiza de înaltă rezoluție a probelor de țesut. Un alt exemplu este sistemul de imagistică MACSima™ de la Miltenyi Biotec, care se bazează pe tehnologia de imagistică cu imunofluorescență ciclică (MICS). Ambele tehnologii extind semnificativ posibilitățile analizei țesuturilor, deoarece permit o examinare detaliată și cuprinzătoare a structurilor celulare și a interacțiunilor acestora în cadrul țesutului. Soluțiile software corespunzătoare permit nu doar detectarea markerilor individuali, ci și calcularea relațiilor de vecinătate și a corelațiilor. Acest lucru deschide noi perspective asupra organizării funcționale a țesuturilor și, prin urmare, oferă seturi de date valoroase pentru cercetare.

La Institutul nostru de Patologie Veterinară din Berna, fluxul de lucru pentru proiectele de cercetare în patologie digitală poate fi rezumat după cum urmează: Tot țesutul disponibil pe secțiune este detectat automat. Aceasta este urmată de segmentarea și definirea regiunilor relevante, care pot fi revizuite și ajustate manual în funcție de întrebarea de cercetare. Apoi, markerii sunt detectați și clasificați, pentru care folosim în principal algoritmi de învățare profundă. Această etapă include și revizuirea experților de către patologi înainte ca rezultatele să fie exportate și analizate. Folosim software-ul comercial Visiopharm (Visiopharm, Hørsholm, Danemarca) pentru întregul proces.

Câștig suplimentar semnificativ

În concluzie, histologia rămâne fundamental neschimbată chiar și odată cu introducerea noilor tehnologii: continuă să fie examinarea microscopică a țesuturilor cu scopul de a înțelege, diagnostica și cerceta bolile. Ceea ce este nou, însă, este natura metodei de examinare histologică, care oferă o valoare adăugată semnificativă prin procese digitale și analize bazate pe inteligență artificială. Pentru patologie, aceasta semnifică o tranziție de la microscopia subiectivă, localizată, la analize obiective, standardizate și independente de locație. Inteligența artificială nu mai este o viziune a viitorului, ci o tehnologie deja disponibilă astăzi, care este din ce în ce mai utilizată în patologie și medicina veterinară în general și va fi dezvoltată considerabil în continuare în viitor.