Unsupervised dimensionality reduction of polarimetric data for pixel-wise pathological tissue differentiation

إليك ملخص تقني مفصل للورقة البحثية بعنوان: "تقليل الأبعاد غير الخاضع للإشراف للبيانات الاستقطابية من أجل التمييز النسيجي المرضي على مستوى البكسل."

1. بيان المشكلة

تعد المصفوفة خارج الخلوية (ECM) دعامة هيكلية حاسمة في الأنسجة البيولوجية، وتتكون أساساً من ألياف الكولاجين، والألياف الشبكية، والألياف المرنة. وتعتبر التغيرات في هذه الألياف مؤشرات رئيسية للحالات المرضية مثل السرطان، والتليف، والسرطان الخبيث.

• قصور الطرق الحالية: تعتمد علم الأمراض النسيجي التقليدي على بروتوكولات صبغ متعددة، مجهدة، ومتسلسلة (مثل صبغة ماسون ترايكروم، وجوموري سيلفر، وفيرهوف فان جيسون) لتصور أنواع معينة من الألياف. تتطلب هذه الطرق مقاطع نسيجية متعددة، وهي عرضة للاختلافات المورفولوجية بين الشرائح المتجاورة، وتستغرق وقتاً طويلاً.
• قصور الاستقطاب الحالي: في حين أن استقطاب مصفوفة مولر (MM) يوفر تصويراً خالياً من الوسم وغير مدمر، إلا أن طرق التحليل التقليدية (مثل تفكيك لو-تشيبمان، والتفكيك التفاضلي، وتحويل مصفوفة مولر) تعتمد على فرضيات نظرية مقيدة (مثل ترتيبات محددة للتفاعل الضوئي، أو محددات موجبة). علاوة على ذلك، غالباً ما يكون بارامتر استقطابي واحد غير كافٍ لتوصيف الأنسجة البيولوجية المعقدة بشكل كامل، مما يؤدي إلى غموض في تمييز الأنسجة.

2. المنهجية

تقترح الدراسة إطار عمل يجمع بين مجهر مصفوفة مولر والتعلم الآلي غير الخاضع للإشراف (UMAP) للتمييز بين أنواع الألياف دون الحاجة إلى صبغات متخصصة.

• الحصول على البيانات:
  • العينات: 9 شرائح من أنسجة القولون البشرية (بسمك 4 ميكرومتر)، مثبتة في الفورمالين ومغمورة في البارافين.
  • الصبغ: تم صبغ المقاطع المتسلسلة بصبغة H&E (للمورفولوجيا)، وMT، وG&S، وEVG (لتحديد الألياف كحقيقة مرجعية).
  • التصوير: قام مجهر مصفوفة مولر يعتمد على مؤخر استقطاب مزدوج الدوران (بضوء LED بطول موجي 633 نانومتر) بالتقاط بيانات مصفوفة مولر الكاملة على مقاطع H&E المصبوغة.
• استخراج الميزات (بيانات عالية الأبعاد):
  • بدلاً من الاعتماد على طريقة تفكيك واحدة، قام المؤلفون ببناء نقطة بيانات عالية الأبعاد (HDDP) لكل بكسل.
  • تتضمن مجموعة الميزات 30 بُعداً مدخلًا مستمدة من:
    • تفكيك مصفوفة مولر (MMPD): التباين الاتجاهي ($D$)، وإلغاء الاستقطاب ($\Delta$)، والتأخير ($R$).
    • التفكيك التفاضلي: التأخير الخطي ($\delta_L$)، والتباين الاتجاهي الخطي ($D_L$)، ومعاملات إلغاء الاستقطاب ($a_{22}, a_{33}$).
    • تحويل مصفوفة مولر (MMT): المعلمات $A, b, t, \beta$.
    • عناصر مصفوفة مولر الخام: عناصر مختارة ثابتة الدوران.
• تقليل الأبعاد والتحليل:
  • خوارزمية UMAP (التقريب والإسقاط المانيفولد الموحد): تم تطبيق خوارزمية غير خاضعة للإشراف على خرائط HDDP المكونة من 30 بُعداً لأسقاط البيانات في فضاء ثنائي الأبعاد. يحافظ هذا الإجراء على البنية الطوبولوجية الجوهرية للبيانات دون الحاجة إلى بيانات تدريب مصنفة.
  • التحقق من الصحة: قام أخصائي علم أمراض خبير بتحديد مناطق الاهتمام (ROIs) على صور H&E بناءً على الأصباغ المتخصصة. عملت هذه التوصيفات كـ "حقيقة مرجعية" للتحقق من العناقيد (clusters) التي شكلها UMAP.
  • التوصيف الإحصائي: تم تحليل العناقيد المسقطة باستخدام مقاييس إحصائية (المتوسط، الانحراف المعياري، الإنتروبيا، التفرطح، الالتواء) لتكميم التمايز لكل نوع من أنواع الألياف.

3. المساهمات الرئيسية

1. التمييز الخالي من الوسم: إثبات القدرة على التمييز بين ألياف الكولاجين، والألياف الشبكية، والألياف المرنة على شريحة H&E قياسية باستخدام البيانات الاستقطابية فقط، مما يلغي الحاجة إلى أصباغ متخصصة متعددة.
2. دمج المعلمات التآزري: التغلب على قيود طرق التفكيك الفردية من خلال دمج المعلمات من MMPD، والتفكيك التفاضلي، وMMT في فضاء ميزات موحد عالي الأبعاد.
3. تطبيق التعلم غير الخاضع للإشراف: التطبيق الناجح لـ UMAP على التصوير الاستقطابي، مما أظهر أن التجميع غير الخاضع للإشراف يمكن أن يكشف عن البنى المجهرية للأنسجة الجوهرية دون الحاجة إلى تسميات تدريب مسبقة.
4. تصوير الصبغة الزائفة: تطوير تقنية حوسبية لإنشاء صور "الصبغة الزائفة" حيث يتم ترميز الألياف بالألوان (الأزرق للكولاجين، الأخضر للشبكية، الأصفر للمرنة) بناءً على موقعها الإحصائي في إسقاط UMAP.

4. النتائج

• فصل العناقيد: نجح إسقاط UMAP في فصل أنواع الألياف الثلاثة إلى عناقيد متميزة وغير متداخلة.
  • الكولاجين: تجمع في النطاق الموجب العالي للبعد الأول لـ UMAP (متوسط البعد الأول $\approx$ 6.30).
  • الألياف الشبكية: شغلت نطاقاً متوسطاً (متوسط البعد الأول $\approx$ 2.64).
  • الألياف المرنة: تقع في النطاق السالب (متوسط البعد الأول $\approx$ -0.47).
• التوقيعات الإحصائية:
  • الكولاجين: أظهر تفرطحاً عالياً (4.23) والتواءً سالباً قوياً (-1.37)، مما يشير إلى توزيع ذي ذيل ثقيل وغير متماثل، حيث تتركز معظم البكسلات في منطقة ذات قيم عالية.
  • الألياف المرنة: أظهرت خصائص قريبة من التوزيع الطبيعي (التواء/تفرطح منخفض) ولكن مع إنتروبيا أعلى وانحراف معياري أقل، مما يشير إلى تعقيد نسيجي أكبر واتساق داخل الفئة الواحدة.
• تحسين المعلمات: قارنت الدراسة مجموعات أبعاد المدخلات المختلفة. ووجدت أن استخدام المجموعة الكاملة المكونة من 30 معلمة وفر أفضل تباعد توزيعي (مقاساً بـ JSD، وKL، ومسافة Wasserstein) دون التكلفة الحسابية المفرطة وعمليات تبديل الذاكرة المرتبطة بمجموعات البيانات الأكبر أو المكررة.
• التصور: طابقت صور "الصبغة الزائفة" التي تم إنشاؤها الحقيقة المرجعية المقدمة من أصباغ MT وG&S وEVG، مما أبرز بفعالية اتجاه وكثافة الألياف.

5. الأهمية والآفاق المستقبلية

• التكامل مع سير العمل السريري: توفر هذه الطريقة بديلاً سريعاً بمسحة واحدة لعمليات الصبغ متعددة الخطوات، مما قد يقلل من وقت الانتظار للتشخيص المرضي. وهي تكمل سير العمل الحالي من خلال توفير معلومات بنيوية مجهرية على شرائح H&E القياسية.
• القابلية للتوسع: على عكس تقنيات المسح النقطي غير الخطي (مثل SHG وTPEF) التي تكون بطيئة ومكلفة، فإن نهج مصفوفة مولر واسع المجال هذا يسمح بتوصيف كمي لكامل الشريحة، مما يجعله مناسباً للفحص عالي الإنتاجية.
• التوجهات المستقبلية: يشير المؤلفون إلى أنه بينما يعد إثبات المفهوم ناجحاً، فإن العمل المستقبلي يتطلب تجارب سريرية واسعة النطاق لمراعاة التباين بين المرضى. الهدف النهائي هو توحيد نظام الترميز اللوني للاستخدام السريري الروتيني، ليكون بمثابة أداة فحص أولية توجه عمليات الفحص عالية الدقة اللاحقة.

باختصار، تقدم الورقة إطار عمل قوي وفعال، يستفيد من التآزر بين الاستقطاب متعدد المعلمات وتقليل الأبعاد غير الخاضع للإشراف لأتمتة وتعزيز التمييز بين ألياف المصفوفة خارج الخلوية، مما يقدم أداة واعدة لعلم الأمراض الرقمي.