<thead id="si5ag"></thead>
<thead id="si5ag"><s id="si5ag"></s></thead> <blockquote id="si5ag"></blockquote>
  • <i id="si5ag"></i>
    <i id="si5ag"></i>
    <blockquote id="si5ag"></blockquote>
    <i id="si5ag"><span id="si5ag"><small id="si5ag"></small></span></i>
  • <i id="si5ag"></i>
    首 頁 > 新聞中心 > 觀點

    數字病理學

    發布日期:2021-09-24 作者:

    探索數字病理學及其被用于生物標志物發現的方式,特別是在免疫腫瘤學內。

    改進病理學實踐的需要

    新技術和新方法正持續推動著醫療領域中的創新,包括在病理學領域中的創新。盡管人們通常認為,病理報告是診斷許多疾病的金標準,但人們也普遍認可,病理學家對組織樣本的解釋存在著差異性。這主要是由于人為錯誤和主觀性所導致,因此致使對患者做出的結論并不準確。

    為了克服這一挑戰,現代病理學實踐正在向日益數字化的工作流程邁進。這為病理學家整合了工具,用于減少工作量、人為錯誤和主觀性。這樣就可以更好地得出與疾病(特別是癌癥)相關的診斷、預后和預測因素(如生物標志物)的結論。


    數字病理


    在這篇文章中,我們探討了什么是數字病理學,以及它被用于生物標志物探索和發現的方式,特別是在免疫腫瘤學(I/O)的背景下。

    數字病理學及其應用

    在Z廣泛的層面上,數字病理學的概念包括利用數字技術捕獲、共享和解釋病理學信息。這個過程首先通過掃描設備對載玻片進行數字化。掃描設備會產生高分辨率的圖像,并顯示在電腦屏幕上。

    隨后,使用經過訓練的 人工智能(AI)算法(依賴于機器學習(ML)和/或深度學習(DL)的使用),以客觀的方式高速且高分辨率地分析數字切片,以便協助病理學家的工作。AI算法能夠量化一些常見的指標,包括:

    ?總生物標志物染色面積

    ?細胞水平生物標志物陽性

    ?亞細胞生物標志物定位

    ?生物標志物共表達

    ?對象量化(如微血管)

    ?組織分類

    ?細胞密度、生物標志物/細胞鄰近/距離分析和Z近鄰距離

    此外,圖像搜索能力是數字病理學工作流程的一個主要優點。通過初步診斷的計算“共識”,搜索圖像將新患者病理與先前已診斷和已編策的病例進行匹配的能力提高了診斷的準確性。

    在下文中,我們將對數字病理學被用于疾病診斷和預后以及用于生物標志物研究的方式予以說明。

    診斷

    數字化病理切片Z廣泛的應用之一是增強病理診斷。診斷AI算法 利用圖像分析來搜索形狀、特征或模式。在某些情況下,與人類病理學家相比,AI的表現相同或更好,包括在復雜且依賴于分級方案的癌癥診斷中。這些診斷不同于基于腫瘤檢測的診斷,后者在很大程度上是一個二元決策(即基于組織樣本中是否存在癌細胞)。

    總的來說,AI的進步為新工具的出現鋪平了道路。這些新工具可對病理學家的工作起到補充作用,使他們的工作更加準確,同時減少負擔。

    預后

    預后AI算法在患者預后中發揮著重要作用。例如,特定生物標志物評估(如某些癌癥類型中的Ki67抗原)很重要,因為它與病程相關。研究者已設計出具有驚人準確度的算法,以便量化Ki67染色組織數據集。它被用于減少病理學家的工作量,其表現相同或更好。

    預后算法也被用于評價來自大型數據集的圖像,以便發現與臨床病程相關的新預測和預后參數。

    生物標志物分析

    在生物標志物探索和發現方面,數字病理學是一個有價值的工具。例如,AI算法使研究人員能夠在大型組織樣本數據集內分析經免疫組織化學和/或熒光標記的生物標志物的密度和分布。

    然后,這些數據可與不同的參數相關聯,目的是對患者進行分層,以便:

    ?開發包括伴隨診斷在內的精準醫療方法

    ?開發更好的預后模型

    ?提供對耐藥性以及其他可能性的洞察

    總的來說,數字病理學為生物標志物的發現和利用提供了新機會,這在以前是不可能實現的。

    用于生物標志物評估的數字成像平臺

    可使用各種數字成像平臺進行生物標志物定量評價,每個平臺都具有自己的一套能力。下文中列出了一些解決方案:

    ?VentanaCompanion Algorithm,評價乳腺生物標志物(如ER、PgR、HER2、Ki67和P53),并支持抗體測定。 

    ?TissuePhenomics? (AstraZeneca),將其引入I/O中的臨床程序,以支持生物標志物識別。

    ?AperioDigital Pathology (Biosystems),是一個集成了數碼顯微鏡與圖像分析軟件的平臺

    ?HALO(Indica laboratories),提供設計主要用于研究目的的定量組織分析的免疫組織化學和熒光模塊。 

    ?QuantCenter(Sysmex),設計用于數字全切片量化過程,并提供了一些用于組織分類、免疫組織化學定量和分子病理學的模塊。 

    ?CognitionMaster Professional Suite (VMscope),可集成至實驗室信息管理系統中,提供對多個生物標志物(如Ki67、ER、PgR、CD3/4/8/15/20)、腫瘤浸潤淋巴細胞和血管狹窄進行評分的模塊。 

    ?TissueGnostics,提供用于乳腺癌生物標志物臨床和研究評價的圖像分析解決方案。

    ?VirtualDualStaining?(Visiopharm),將經細胞角蛋白染色的腫瘤連續切片與研究中的經免疫組織化學染色的生物標志物進行比對,從而實現對腫瘤區域的自動識別。

    除這些商業平臺以外,還存在一些開源平臺。ImageJ是第一批用于圖像分析的工具之一,由NIH開發。它提供了形態學參數,廣泛用于生物醫學圖像分析。

    另一個開源平臺名為CellProfiler,提供基于經監督機器學習的分類,以執行基于成像的診斷。Z后,QuPath特別注重于數字病理學和全切片圖像分析,并提供了全切片圖像的基于未監督機器學習的細胞檢測和經監督分類、腫瘤識別和高通量生物標志物評價。自2017年首次發布以來,該工具以來受到了研究界的歡迎,并在經同行評議的出版物中大量引用。

    免疫腫瘤學中的數字病理學

    I/O和AI的同時興起,引發了人們對數字病理學的濃厚興趣,因為它在I/O生物標志物探索和發現研究中具有較高的應用價值。病理特征定義了腫瘤免疫微環境,復雜性較高,具有蛋白質、細胞和/或形態測量標志物。這超出了一個典型人類病理學家能夠合理分析的范圍,尤其是當面對數量龐大的切片時。

    通過采取數字病理學方法,可以以絕對或相對的方式在整個切片和/或相關區域內以及在單個切片內或多個連續切片間,有效地進行分析。通過數字方法,還可以進行多組學分析。其中,一些平臺針對蛋白質和核酸提供了一種通用格式的靶向條形碼標簽,從而實現對靶點去卷積和量化的計算分析。

    有趣的是,I/O同時推動了數字病理的新臨床應用。例如,考慮到許多不同的因素均可影響PD-L1的表達,通過評估PD-L1對使用檢查點抑制劑的治療(即選擇對治療更有反應的患者)進行指導變得越來越復雜。這些因素包括所使用的測定和抗體克隆類型、評分截止點、患者之前服用的藥物、樣本自身的固有性質以及其他可能因素。

    在這種背景下,數字病理學提供了自動化進行這些分析能力,目的是減少主觀性和人為錯誤。未來,數字病理學的進展可能包括從染色切片中收集臨床相關信息,從而在無需驗證新生物標志物或測定結果的情況下進行伴隨診斷。

    在I/O和AI同時進步以及數字病理學發展的支持下,多重空間組織分析(MSTA)實現了對腫瘤微環境(TME)的詳細評價。MSTA是指用于評估組織樣本內多個生物標志物(蛋白質和/或核酸標志物)特定位置的方法。這通常限于3-5個免疫組織化學蛋白質標志物和7-9個免疫熒光標志物。

    一些新方法,如多循環染色剝離/淬滅/回收法、可光解條形碼和空間定義的紫外線輻照,或金屬或同位素標記抗體的激光/離子束消融,與數字方法相結合,釋放了MSTA的潛力。目前,這項技術能夠同時評價數十個至一千個核酸和/或蛋白質標志物(在相關區域中),同時保留一些空間背景。一些平臺甚至可以在近單細胞水平下評估空間全RNA轉錄組。

    MSTA平臺的提供商眾多,所提供的產品在質量標準和功能方面各不相同。一些平臺及其生產商包括(非詳盡列表):

    ?GeoMxDSP (NanoString)

    ?MultiOmyx(NeoGenomics)

    ?Phenoptics,CODEX (Akoya Biosciences)

    ?MACSima(Miltenyi)

    ?CellDIVE (GE Life Sciences)

    ?RNA-Scope(Advanced Cell Diagnostics)

    ?UltraPlex(Cell IDx)

    ?Zellkraftwerk(ChipCytometry)

    目前,MSTA的使用主要集中于轉化研究(如生物標志物發現、制藥研發、臨床試驗)和潛在臨床應用(如臨床和伴隨診斷)。近期,一篇發表于《美國醫學會雜志-腫瘤學卷》的系統評價和薈萃分析提供了令人信服的證據表明,與腫瘤突變負荷(TMB)、基因表達譜(GEP)、Simple Plex PD-L1 IHC及其復合方法等其他伴隨診斷類型相比,多重免疫組織化學/免疫熒光在評估PD-1/L1檢查點阻斷反應方面具有更好的診斷準確性。 

    結論

    數字病理學在疾病(特別是癌癥)的診斷、預后和預測因素(如生物標志物)識別方面發揮著越來越重要的作用。數字病理學是有利于病理學家工作的新工具,它可以更好地探索和發現生物標記物,這是更廣泛地采用可改善患者預后的個體化醫療護理的關鍵。


    本文網址:http://www.jntaotao.com/news/582.html

    相關標簽:數字病理

    Z近瀏覽:

    新聞中心

    image.png

    全國統一客服電話:400-808-1595

    電  話:+86-531-88512705 

    傳  真:+86-531-88191595 

    售后及技術咨詢:+86-531-88922146

    郵箱

    銷售咨詢:sales@danjier.com

    技術支持:support@danjier.com

    市  場  部:marketing@danjier.com


    熱門新聞查看更多>

    聯系我們 / contact us

    400-808-1595

    電  話:+86-531-88512705  

    銷售咨詢:15063380946

                      sales@danjier.com

    市 場  部:marketing@danjier.com

    地  址:中國(山東)自由貿易試驗區濟南片區

                 港興三路1號創業服務中心1號樓A座

                 1905、 1910室

    網  址:www.jntaotao.com

    丹吉爾5.png

    關于我們   /   產品中心   /   新聞中心   /   應用案例   /   服務中心   /   服務平臺   /   加入我們   /   在線咨詢

    Copyright ? http://www.jntaotao.com/ 濟南丹吉爾電子有限公司 專業從事于數字病理,數字切片掃描系統,數字病理成像系統, 歡迎來電咨詢!
    魯ICP備09015432號-1  技術支持:嵊燦科技營業執照
    熱推產品  |  主營區域: 北京 上海 廣東 浙江 江蘇 遼寧 湖北 湖南 南昌 南寧
    不卡中文字幕亚洲欧美在线视频