{{{sourceTextContent.title}}}

Freisetzen des Darstellungspotentials

{{{sourceTextContent.subTitle}}}

Automatisierte Bildanalyse zeigt bedeutendes Potenzial innerhalb des Histopathology zu helfen, die neuen und subtilen prognostischen Eigenschaften zu identifizieren. BRITISCHER sachverständiger Dr. Peter Caie glaubt auch, dass solche Bildanalyse Aspekte von Histopathology von einem traditionsgemäß semiquantitativen Feld zu eine völlig quantitativ bestimmbare und standardisierte Wissenschaft machen kann. Jedoch unterstreicht er auch, dass Herausforderungen bleiben, bevor das volle Potenzial innerhalb der digitalen Pathologie gesehen wird.

{{{sourceTextContent.description}}}

Während der gehalten zu werden Digital-Pathologie-Konferenz, dieser Dezember in London, umreißt Caie die Fortschritte in der ‚Big Data-Histopathology durch Bildanalyse profilierend‘ Sitzung. Als älterer Forschungsstipendiat, der an Digital und System-Pathologie an der Universität von St Andrews in Schottland arbeitet, ist Ziel Dr. Caies, zu demonstrieren, wie komplexe Bildanalyse von digitalen Pathologieexemplaren robuste hierarchische ‚große Daten‘ jetzt schaffen kann. Vor der Konferenz sagte er europäischem Krankenhaus: ‚Ich werde umreißen, wie automatisierte Bildanalyse nicht nur quantitativ bestimmen kann, histopathologische Eigenschaften in standardisiert einzustellen und reproduzierbare - wie Tumorknospen, lympho-Gefäßinvasion, Lymphgefäßdichte Art und Tumor Kernmorphometry - aber kann als Untersuchungswerkzeug auch verwendet werden, um neue prognostische oder vorbestimmte Eigenschaften zu identifizieren, die sind vorher gegangen unbemerkt oder nicht berichtet.‘ Caie erklärte, dass moderne Bildanalyse von digitalen Pathologiedias die großen Dateien jetzt auch schaffen kann, die mit mehrfachen Exportparametern von segmentierten und klassifizierten Gegenständen des Computers innerhalb des digitalen Gewebeschnitts verbunden sind. Diese können die Parameter sein, die mit gesetzten histopathologischen Eigenschaften - wie ihrer Form und Umfang verbunden sind - oder die Eigenschaften, die in einer unparteiischen Art gefangen genommen werden, in der jeder segmentable und sichtbare Gegenstand gefangen genommen und morphometrisch sind, Beschaffenheit, Zahl von Gegenständen und räumliche Informationen (wie Uneinheitlichkeit, Verteilung, Standort, benachbart zu anderen Gegenständen) wird extrahiert. ‚Diese großen Daten müssen mit passender Bioinformatik dann gewonnen werden, um die bedeutenden prognostischen oder vorbestimmten Parameter zu identifizieren, oder Kombination von Parametern, die vorliegend Patientenpopulation zu schichten,‘ unterstrich er. Dieses auftauchende Feld wird ‚Gewebe Phenomics‘, eine Phrase, die zuerst von Gerd Binnig geprägt werden, Nobelpreisträger und als Gründer des Bildanalyse-Softwareunternehmen Definiens bezeichnet. Jedoch bestätigt Caie, dass es mehrfache Herausforderungen in der digitalen Pathologie und in der Bildanalyse gibt. Reproduzierbarkeit und Bestätigung sind zu standardisiertem großem Histopathology Daten der Qualität, sagte er, und betont Schlüssel, dass die Bildanalysealgorithmen selbst von einem Hoch genügend Qualität sein müssen, zum komplexes und heterogenes Gewebe zu beschäftigen, während einfache Algorithmen möglicherweise die falsche Ergebnisse oder Klassifikationen wegen der heterogenen Zellbevölkerungen Bericht erstatten. ‚Ähnlich wenn berichtet möglicherweise die Quantitativbestimmung von histopathologischen Eigenschaften im komplexen Tumormikromilieu, Bildanalyse auch über falsche Positive, oder die ungenauen Parameter wegen des unspezifischen Befleckens oder des Autofluorescence innerhalb des Gewebes,‘ fügte er hinzu. Andere Herausforderungen umfassen den Bedarf an der schnellen IT-Infrastuktur, digitaler Pathologie zu ermöglichen, routinemäßig verwendet zu werden sowie die großen und sicheren Datenspeicher, um die digitalen Exemplare und ihre verbundene Analyse zu archivieren. Eine andere Herausforderung ist, sagte er, für das traditionelle Feld der Pathologie, zum des neuen Feldes der Bildanalyse und ‚des Gewebe phenomics‘ anzunehmen und zu erlauben, dass es in klinischen routinemäßiggebrauch eingeführt wird. Große Datenpathologie hat eine Strecke des Nutzens für Kliniker und Patienten. Caie: „Bildanalyse erlaubt reproduzierbaren und standardisierten Bericht von Biomarkers oder von histopathologischen Eigenschaften, die Beobachtervariabilität verneinen. Sie kann eine Pathologezeit auch oben freigeben, sich auf komplexe Fälle zu konzentrieren, wenn die Quantifikation von histopathologischen Eigenschaften in den routinemäßigfällen automatisiert wird. ‚Bildanalyse kann Fluoreszenzin-situhybridation (FISCH) quantitativ bestimmen und Proteine über Dynamikwerten mit der Anwendung der Fluoreszenz, führend zu genauere geduldige Ergebnisse, als große Datenpathologie können die subtilen oder komplexen Muster innerhalb des Gewebeschnitts identifizieren, der möglicherweise schwierig, durch Auge reproduzierbar zu identifizieren ist. ‚Deshalb,‘ unterstrich Caie, ‚er kann den Kliniker mit Roman und bedeutenden neuen Biomarkers versehen, um in der klinischen Beschlussfassung zu helfen, und der Patient kann eine personifizierte und informiertere Antwort zu ihrem einzelnen Fall empfangen.‘ Der nächste Schritt in großem Daten Histopathology, schlägt er vor, ist, die Technologie in der großen Retrospektive und in den zukünftigen klinischen Studien zu validieren, um sein volles Potenzial zu demonstrieren. Großer Daten Histopathology erhöht sich der Macht, wie Technologie entwickelt. Dieses schließt die Mehrkanalausrüstung vieler Biomarkers ein, die benutzt werden können, um gesamte Bahnen innerhalb einer Einzelzelle aufzuzeichnen. Caie schließt: ‚das Mit-Registrieren multi--omics, wie einzelliges transcriptomics, Genomics und histopathologische Daten, mit Protein Biomarkers auf den gleichen Gewebeschnitt macht auch für eine informativere und stärkere große Datenpathologie, die wieder zur Verfügung stellt Einblick in Krankheitsweiterentwicklung und Biomarkers für vorbestimmte Studien und Arzneimitteltests.‘

{{medias[8319].title}}

{{medias[8319].description}}