Aviso: Esta página é uma tradução automática da página original em inglês. Por favor note uma vez que as traduções são geradas por máquinas, não tradução tudo será perfeita. Este site e suas páginas da Web destinam-se a ler em inglês. Qualquer tradução deste site e suas páginas da Web pode ser imprecisas e imprecisos no todo ou em parte. Esta tradução é fornecida como uma conveniência.

UM é SIVQ software-ferramenta pode identificar celulares e amostras de tecido de forma mais precisa

Ulysses Balis, MD, clica em um mouse para identificar um helicóptero em uma foto de satélite de Bagdá, Iraque. Com outro clique, um algoritmo que ele e sua equipe projetaram escolhe mais três helicópteros, sem destacar qualquer um dos edifícios, ruas, árvores e carros.

Balis não está jogando jogos de guerra. O diretor da Divisão de Patologia de Informática da Universidade de Michigan Medical School está demonstrando a extrema flexibilidade de um software-ferramenta que visa tornar a detecção de anormalidades em amostras de células e tecidos mais rápido, mais preciso e mais consistente.

Em um ambiente médico, em vez de helicópteros, a técnica, conhecida como quantização vetorial Spatially-Invariant (SIVQ), pode identificar as células cancerosas e outras características essenciais a partir de imagens digitais feita a partir de slides tecido.

Mas SIVQ não se limita a qualquer área específica da medicina. Ele pode facilmente separar calcificações de neoplasias em amostras de tecido mamário, pesquise e conte tipos de célula em particular em um slide de medula óssea, ou identificar rapidamente a cereja vermelha nucléolos de células associada com doença de Hodgkin, de acordo com descobertas acaba de ser publicado no Journal of Pathology Informática .

"O fato de que o algoritmo opera sem esforço em vários domínios e escalas de comprimentos, enquanto exigem uma formação mínima do usuário, o diferencia de abordagens convencionais para análise de imagens", diz Balis.

A tecnologia - desenvolvida em conjunto com pesquisadores do Massachusetts General Hospital e da Harvard Medical School - difere do software de reconhecimento de padrões convencionais, baseando a sua pesquisa núcleo em uma série de círculos concêntricos, o padrão de correspondência de anéis, em vez de os blocos mais típico da quadrada ou retangular. Esta abordagem se aproveita dos anéis "simetria contínua, permitindo o reconhecimento de características, não importa como eles são girados ou se eles estão invertidas, como em um espelho.

"Isso é bom porque em patologia, imagens de células e tecidos não têm uma orientação particular," diz Balis. "Eles podem enfrentar qualquer direção." Uma das imagens incluídas com o artigo demonstra esse princípio; SIVQ consistentemente identifica a letra A de um campo de texto, não importa o quanto as letras são rodados.

Como funciona

Em SIVQ, uma pesquisa começa com o usuário selecionar uma área pequena de pixels, conhecida como um vetor, o que ela quer tentar igualar em outras partes da imagem. O vetor também pode vir de uma biblioteca de imagens armazenadas.

O algoritmo compara então este vetor circular a todas as partes da imagem. E em cada local, o anel gira através de milhões de possibilidades na tentativa de encontrar um jogo em todos os graus possíveis de rotação. Anéis menores dentro do anel principal, podem oferecer uma busca ainda mais refinada.

O programa cria um mapa de calor, sombreamento a imagem com base na qualidade do jogo em cada ponto.

Esta técnica não funcionaria com uma estrutura de pesquisa quadrado ou retangular, pois essas formas não permanecem simétricos que giram, Balis explica.

Por que não tem vindo a utilizar todos os círculos o tempo todo?

"É uma daquelas coisas que só óbvios em retrospecto", diz Balis.

Em testes o algoritmo, os pesquisadores ainda utilizaram para encontrar Waldo em uma ilustração de um Onde está Wally? livro infantil.

"Você apenas tem que gerar um vetor para o seu rosto", explica Jason Hipp, MD, Ph.D., co-autor do papel - tal como seria de se gerar um vetor de reconhecer calcificações no tecido mamário.

A "virada de jogo"

Hipp acredita que a tecnologia tem o potencial de ser uma "virada de jogo" para o campo, abrindo inúmeras novas possibilidades para a análise mais profunda da imagem.

"Vai permitir-nos pensar sobre as coisas de maneira diferente", diz Hipp, uma patologia pesquisador de informática e professor clínico no Departamento de Patologia. "Estamos começando a preencher a lacuna entre a análise qualitativa realizada por patologistas especialistas treinados com as abordagens quantitativa possibilitada pelos avanços na tecnologia de imagem."

Por exemplo, a forma mais comum de olhar para amostras de tecido ainda é uma técnica de coloração, que remonta ao the1800s. Leitura destes slides complexos e tornando o diagnóstico faz parte da arte da patologia.

SIVQ, no entanto, pode ajudar os patologistas por pré-triagem uma imagem e identificação de áreas potencialmente problemáticas, incluindo características sutis que podem não ser facilmente perceptível a olho nu.

SIVQ eficiência na pré-identificação de potenciais problemas torna-se evidente quando se considera que um patologista pode rever mais de 100 slides em um único dia.

"Ao contrário, mesmo os seres humanos mais diligente, os computadores não sofrem os efeitos de tédio ou cansaço", diz Balis.

Trabalhando juntos

Os vetores também podem ser agrupados para criar bibliotecas compartilhadas - um catálogo de imagens de referência sobre os quais o computador pode pesquisar - Balis explica, o que poderia ajudar os patologistas para identificar rapidamente anomalias raras.

"Trazer essas ferramentas no fluxo de trabalho clínico poderia proporcionar um maior nível de conhecimento que é distribuído de forma mais ampla, e menor a taxa na qual os achados são esquecidos", diz Balis.

Após a publicação deste primeiro trabalho apresentando o algoritmo SIVQ, a equipe tem uma série de projetos de pesquisa em fase de conclusão que demonstram a utilidade potencial da tecnologia em um número de ciência básica e aplicações clínicas. Estes esforços envolvem colaborações com pesquisadores do National Institutes of Health, da Clínica Mayo, da Universidade Rutgers, Escola Médica de Harvard e do Massachusetts General Hospital.

SIVQ também pode ajudar com a análise de "biópsias líquida", uma técnica experimental de varredura as amostras de sangue para números pequenos de células de câncer se esconder em meio a bilhões de saudáveis. Balis estava envolvido com o desenvolvimento dessa tecnologia no Massachusetts General Hospital antes de ele chegar à UM e membros da equipe de pesquisa que também estão envolvidos no desenvolvimento SIVQ e suas aplicações.

Ainda assim, os patologistas não deve ficar preocupado que SIVQ irá colocá-los fora de um trabalho.

"Ninguém está falando em substituir patologistas qualquer momento em breve", diz Balis. "Mas trabalhando em conjunto com esta tecnologia, a esperança é que eles serão capazes de alcançar um maior nível global de desempenho."

Fonte: University of Michigan Medical School