ВИКОРИСТАННЯ СУЧАСНИХ ІНСТРУМЕНТІВ ЦИФРОВОЇ ПАТОЛОГІЇ У ДІАГНОСТИЦІ ГЕПАТИТІВ

В. В. Ільченко

doi:10.11603/mie.1996-1960.2024.1-2.14893

Автор(и)

В. В. Ільченко Національний університет охорони здоров’я України імені П. Л. Шупика https://orcid.org/0000-0002-6790-9230

DOI:

https://doi.org/10.11603/mie.1996-1960.2024.1-2.14893

Ключові слова:

гепатит, неалкогольний стеатогепатит, метаболічна жирова хвороба печінки, фіброз печінки , макрофаги, Т-лімфоцити, METAVIR , система управління зображеннями, комп’ютерна модель

Анотація

У роботі розглянуто питання використання сучасних доступних інструментів цифрової патології (перед усім програмного забезпечення з відкритим кодом), що можуть полегшити роботу лікаря-патологоанатома при морфологічній діагностиці гепатитів різного генезу та метаболічної жирової хвороби печінки (MAFLD). Головне завдання полягало в аналізі доступного програмного забезпечення, а також розробленні або доопрацюванні окремих його модулів для побудови системи управління зображеннями (СУЗ), перегляду цифрових сканів мікропрепаратів і спрощення оцінювання експресії імуногістохімічних (ІГХ) маркерів CD3, CD68, CD163, CD34 та α-SMA з кінцевою метою покращення вивчення ролі різних субпопуляцій печінкових макрофагів, синусоїдальних ендотеліальних клітин і фібробластів у прогресуванні захворювань печінки та розвитку фіброзу.
За результатами проведеної роботи встановлено можливість розроблення програмного забезпечення для дослідження кількості та співвідношення різних популяцій клітин макрофагів, синусоїдальних ендотеліальних клітин, фібробластів і лімфоцитів у тканині печінки з використанням програмного забезпечення з відкритим кодом. Розроблене та вдосконалене автором програмне забезпечення дозволило створити зручний масив даних із цифрових сканованих зображень мікропрепаратів тканин печінки, з пришвидшеним і зручним доступом до відповідних даних. Модель потребує подальшого вдосконалення для покращення її чутливості в сенсі розпізнавання клітин конкретного типу.

Посилання

Marengo, A., Jouness, R. I. K., Bugianesi, E. (2016). Progression and Natural History of Nonalcoholic Fatty Liver Disease in Adults. Clin Liver Dis, 20 (2), 313–324. DOI: 10.1016/j.cld.2015.10.010. DOI: https://doi.org/10.1016/j.cld.2015.10.010

Gill, M. G., Majumdar, A. (2020). Metabolic associated fatty liver disease: Addressing a new era in liver transplantation. World J Hepatol, 12 (12), 1168–1181. DOI: 10.4254/wjh.v12.i12.1168. DOI: https://doi.org/10.4254/wjh.v12.i12.1168

Ilchenko, V. V., Dyadyk, O. O., Zaritska, V. I., Beketova, Yu. I. (2022). The role of macrophages in the morpho- and pathogenesis of non-alcoholic steatohepatitis. Medychna informatyka ta inzheneriia [Medical informatics and engineering], 3 (59), 18–23. DOI: 10.11603/mie.1996-1960.2022.3.13367. [In Ukrainian]. DOI: https://doi.org/10.11603/mie.1996-1960.2022.3.13367

Goode, A., Gilbert, B., Harkes, J., Jukic, D., Satyanarayanan, M. (2013). OpenSlide. A vendor– neutral software foundation for digital pathology. J Pathol Inform, 4 (1), 4–27. DOI: 10.4103/2153-3539.119005. DOI: https://doi.org/10.4103/2153-3539.119005

Moore, J., Allan, C., Besson, S. et al. (2021). OME–NGFF: a next–generation file format for expanding bioimaging data–access strategies. Nat Methods, 18 (12), 1496–1498. DOI: 10.1038/s41592– 021–01326–w. DOI: https://doi.org/10.1038/s41592-021-01326-w

Helin, H., Tolonen, T., Ylinen, O., Tolonen, P., Näpänkangas, J., Isola, J. (2018). Optimized JPEG 2000 Compression for Efficient Storage of Histopathological Whole–Slide Images. J Pathol Inform, 9 (1), 9–20. DOI: 10.4103/jpi.jpi_69_17. DOI: https://doi.org/10.4103/jpi.jpi_69_17

Abbaszadeh Shahri, A., Shan, C., Larsson, S., Johansson, F. (2024). Normalizing Large Scale Sensor–Based MWD Data: An Automated Method toward A Unified Database. Sensors (Basel), 24 (4), 1209. DOI: 0.3390/s24041209. DOI: https://doi.org/10.3390/s24041209

Bankhead, P., Loughrey, M. B., Fernández, J. A. et al. (2017). QuPath: Open source software for digital pathology image analysis. Sci Rep, 7 (1), 16878. DOI: 10.1038/s41598-017-17204–5. DOI: https://doi.org/10.1038/s41598-017-17204-5

Stevens, M., Nanou, A., Terstappen, L. W. M. M., Driemel, C., Stoecklein, N. H., Coumans, F. A. W. (2022). StarDist Image Segmentation Improves Circulating Tumor Cell Detection. Cancers (Basel), 14 (12), 2916. DOI: 10.3390/cancers14122916. DOI: https://doi.org/10.3390/cancers14122916

Miao, R., Toth, R., Zhou, Y., Madabhushi, A., Janowczyk, A. (2021). Quick Annotator: an open– source digital pathology based rapid image annotation tool. J Pathol Clin Res, 7 (6), 542–547. DOI: 10.1002/cjp2.229. DOI: https://doi.org/10.1002/cjp2.229

Williams, B. J., Treanor, D. (2020). Practical guide to training and validation for primary diagnosis with digital pathology. J Clin Pathol, 73 (7), 418–422. DOI: 10.1136/jclinpath-2019-206319. DOI: https://doi.org/10.1136/jclinpath-2019-206319