文本

看看最近的文章

数字病理学:概述

赛毫升

量子健康分析,SPRL, Atrium Vertbois, Rue du Vertbois,列日,比利时

电子邮件:aa

Bouzin C

IREC成像平台(2IP), Institut de Recherche Expérimentale et Clinique, Université天主教鲁汶,布鲁塞尔,比利时

赛K

量子健康分析,SPRL, Atrium Vertbois, Rue du Vertbois,列日,比利时

DOI: 10.15761 / IMM.1000269

文章
条信息
作者信息
图表和数据

摘要

近年来,数字病理学在病理学学科中发挥着非常重要的作用,并日益成为现代实验室环境中必不可少的工具。数字病理学不仅可以共享信息和数据,有助于传播新的想法和知识,而且是验证和结果可重复性的关键方法,对质量保证很重要。

数字病理学的概念

数字图像由数千个像素组成,由计算机显示器显示,具有良好的分辨率和色彩质量[1]。数字病理学现在已经成为全切片成像(WSI)的代名词。WSI,顾名思义,包括以高分辨率扫描整个幻灯片。WSI使病理学家能够看到整个组织或细胞学涂片,还提供了寻找微小细节或特定感兴趣的区域的选项。

除了图像采集,数字病理学的实践还包括工作流程中的几个步骤:图像的保存和存储,图像的注释和分析,然后共享图像或从图像中积累的数据。数据管理系统集成分析软件,可实现高通量分析,参数恒定,标准化,分析结果记录,从而提供更好的可追溯性[2]。数字图像可以是实验室信息系统的一部分,病理学家可以访问,并在互联网上共享,以提供第二意见或用于教育目的。

数字病理学的应用及优势

虚拟显微镜系统不仅可以用于初步诊断,还可以在可疑病例中发送图像以获得第二意见或咨询。这种技术被称为远程病理/远程会诊,包括静态(图像捕获和发送诊断),动态(远程处理幻灯片的可能性),以及两种技术的组合[3]。自动图像分析最近被证明是一种非常重要的工具,是通过免疫组织化学鉴定生物标志物,特别是在分子病理学、肿瘤学和临床研究方面。一个很好的例子是HER2图像分析,由美国临床肿瘤学会和美国病理学家学院批准,用于评估乳腺癌,在特定条件下使用[4]。生物银行、组织微阵列分析和组织分子分析也受益于这些发展。数字病理学在存档幻灯片方面也非常有用,从而有助于教育和研究。图像的再现性和易检索有助于质量控制和研究。该方法还减少了相当大的观察者之间和观察者内部的变异性,扫描幻灯片标准化了照明和光平衡,这两个影响图像分析/读取的重要参数。数字病理还避免了与玻片存储相关的问题:破损、丢失、染色衰减,但也需要存储设施的累积重量。它大大缩短了从档案中恢复幻灯片的时间,从而简化了档案咨询的过程。

挑战

尽管数字病理学和全玻片成像技术优势明显,且不断进步,但在常规临床实践中的实施仍然缓慢。第一个实现所有临床组织学病例100%数字化诊断的病理实验室(东荷兰病理基金会实验室,荷兰最大的病理实验室)直到2015年才实现[5]。这些先锋实验室的反馈无疑将有助于缓解未来几年的恐惧。尽管最近在数字病理学和全玻片成像方面取得了进展,但从样品制备到全玻片成像和图像分析都需要更好的质量控制指南。此外,自动化量化还需要针对不同软件的独立质量评估指南,以便对图像分析进行统一的评估[2,6]。普遍接受的文件格式和数据存储容量仍然是额外的挑战。实施数字化病理工作流程的成本当然是另一个担忧的来源,但必须通过提高病理学家的效率来平衡。

未来的视角

这是数字病理学的激动人心的时代,新兴的研究将导致更好的图像采集和分析。尽管面临挑战,数字技术的创新不仅将改善病理服务,还将彻底改变研究和医疗保健。

参考文献

  1. 张晓东,张晓东,张晓东,张晓东(2012)。In: Pantanowitz L, Balis UJ, Tuthill JM(编辑)。病理信息学:理论与实践。ASCP新闻15: 231 - 256。
  2. Bouzin C, Lamba Saini M, Khaing KK, Ambroise J, Marbaix E,等。(2015)数字病理学:基本、快速和可靠的自动图像分析。组织病理学68: 888 - 896。
  3. Pantanowitz L(2010)数字图像和数字病理学的未来。病理信息学杂志1: 1 - 15。
  4. Wolff AC, Hammond ME, Hicks DG, Dowsett M, McShane LM, Allison KH,等(2014)乳腺癌中人类表皮生长因子受体2检测的建议:美国临床肿瘤学会/美国病理学家学院临床实践指南更新。阿奇病理实验室138: 241 - 56。
  5. Cheng CL, Tan PH(2016)诊断环境中的数字病理学:超越技术进入最佳实践和服务管理。临床病理70: 1-13。
  6. OAT版权所有。版权所有
  7. Higgins C(2015)数字病理学和全玻片成像的应用和挑战。生物技术与组织化学90: 5。

编辑信息

主编

伊凡痛风
伦敦大学学院

文章类型

迷你回顾

出版的历史

收稿日期:2017年01月06日
录用日期:2017年1月27日
出版日期:2017年1月30日

版权

©2017 Saini ML.这是一篇开放获取的文章,根据创作共用署名许可的条款发布,允许在任何媒介上不受限制地使用、分发和复制,前提是注明原作者和来源。

引用

Saini ML(2017)数字病理学:概述。Integr Mol Med 4: DOI: 10.15761/ im .1000269

相应的作者

Monika Lamba Saini

Monika Lamba Saini,量子健康分析,SPRL, Atrium Vertbois, Rue du Vertbois,列日,比利时

没有数据。