加快癌症组织病理学工作流程与化学成像和机器学习

科学领域:

• 生物医学成像学 生物医学成像学
• 计算病理学计算病理学
• 化学成像技术 化学成像技术

背景情况:

• 传统的组织病理学是资源密集型的,涉及到广泛的组织加工,切割和染色.
• 新兴的化学成像技术,如刺激拉曼散射 (SRS) 显微镜,提供直接的分子组成分析,可能简化工作流程.
• 人工智能 (AI) 可以提高图像质量和病理学分析.

研究的目的:

• 将SRS显微镜集成到病理学工作流程中,以从最小处理的前列腺组织中快速获取化学信息.
• 开发人工智能驱动的计算方法,从SRS数据生成虚拟的H&E图像.
• 与传统方法相比,评估人工智能生成的虚拟染色图像的诊断实用性和对病理学家同意的影响.

主要方法:

• 刺激拉曼散射 (SRS) 显微镜被用于从完整的,厚厚的新鲜冷前列腺组织中获取化学信息.
• 采用光学切割,从组织内的多个平面生成图像.
• 基于深度学习的处理管道被用来创建虚拟的血素和素 (H&E) 染色图像.
• 该方法得到了扩展,以快速生成档案质量的图像,与固定,嵌 (FFPE) 处理相提并论.

主要成果:

• 从新鲜冷的前列腺组织在几分钟内生成虚拟的H&E图像,绕过传统的处理步骤.
• 发现虚拟染色图像的质量对于病理学家来说在诊断上是有用的.
• 关于前列腺癌分级的病理学家间协议不受虚拟染色图像的使用的影响.
• 该方法能够保存脂质和小分子,因此可以评估它们在确定癌症等级的有用性.

结论:

• 通过整合SRS显微镜和AI,通过减少组织处理时间和复杂性,显著加快病理学工作流程.
• 人工智能生成的虚拟染色图像提供了与传统方法相比,在诊断上有价值的信息.
• 这种方法为病理学中的快速组织评估提供了新的能力,在癌症分类和分子分析中具有潜在的应用.