在大型尸检研究中,对阿尔茨海默病病理学和相关基础设施进行高通量数字定量

科学领域:

• 神经病理学神经病理学
• 数字图像分析数字图像分析
• 衰老的研究研究.

背景情况:

• 量化阿尔茨海默病 (AD) 病理学的传统方法是半量化和手动的,在吞吐量和可重复性方面存在局限性.
• 高通量数字病理学在大规模的衰老队列研究中提供了一个克服这些挑战的机会.

研究的目的:

• 开发用于分析大脑组织的数字病理学工作流系统.
• 优化数字算法来量化AD神经病理,特别是β-粉样蛋白 (Aβ) 和tau-tangles.
• 在多项基于尸检的大型研究中统计协调数字病理学数据.

主要方法:

• 利用了来自5项临床病理学老龄化队列研究的脑组织.
• 开发并优化了数字算法,用于从整个幻灯片图像中量化Aβ和tau.
• 采用统计协调,将新生成的数字测量与历史数据相结合.

主要成果:

• 对Aβ和tau的数字定量显示出与手动病理学数据的高相关性 (r=0.83到0.94).
• 数字测量证明了在不同的放大和重复扫描中具有稳定性和可重复性.
• 数字病理学成功地重现了Aβ和tau-tangle相关性在大脑区域和临床诊断中建立的模式.

结论:

• 一种多学科的方法成功开发了一个数字病理管道,用于AD神经病理的可重复识别.
• 数字病理学是一种强大的工具,可以克服与传统显微镜方法相关的关键挑战.
• 这种高通量方法可以在大型老化研究中准确和可重复量化AD病理.