A novel topology-guided adaptive strategy for automated nuclear-cytoplasmic H-Score quantification in immunohistochemistry
تقدم هذه الورقة إضافة (plugin) مفتوحة المصدر وغير معتمدة على التدريب لبرنامج ImageJ/Fiji، تجمع بين كشف النواة بتقنية StarDist واستراتيجية تجزئة قائمة على مخطط فورونوي موجه طوبولوجياً ومعايرة تكيفية، وذلك لتحقيق قياس كمي آلي عالي الدقة وقابل للتكرار لدرجات H (H-scores) للنواة والسيتوبلازم عبر مجموعات بيانات متنوعة للكيمياء النسيجية المناعية.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي لبحث مسبق لم يخضع لمراجعة الأقران. وهو ليس نصيحة طبية. لا تتخذ أي قرارات تتعلق بصحتك بناءً على هذا المحتوى. اقرأ إخلاء المسؤولية الكامل
في عالم الطب الحديث، يعتمد الأطباء غالباً على تقنية تسمى الكيمياء النسيجية المناعية لرؤية ما يحدث داخل خلايا المريض. تخيل عينة نسيج من خزعة كأنها مشهد طبيعي متجمد وصغير. لفهم ما إذا كان المريض مصاباً بالسرطان أو لمدى عدوانيته، يقوم العلماء بصبغ هذا المشهد بأصباغ خاصة تلتصق ببروتينات محددة. بعض البروتينات تتوهج في النواة، وهي مركز القيادة في الخلية، بينما يضيء البعض الآخر في السيتوبلازم، وهو المادة الحية التي تحيط بها. تخبرنا شدة وكمية هذا اللون قصة المرض. لعقود من الزمن، نظر أطباء علم الأمراض عبر المجاهر لتقدير هذه الألوان، حيث يخصصون درجة بناءً على مدى قتامة الصبغة وعدد الخلايا الملونة. هذه الدرجة، المعروفة باسم "درجة H" (H-Score)، تساعد في توجيه قرارات العلاج. ومع ذلك، فإن النظر إلى آلاف من هذه المشاهد الطبيعية الصغيرة والمزدحمة بالعين المجردة هو أمر بطيء، ومجهد، وعرضة للخطأ البشري. قد ينظر طبيبان مختلفان إلى نفس الشريحة ويريان أشياء مختلفة قليلاً، كما أن الإضاءة أو الدفعة الكيميائية المستخدمة للصبغة يمكن أن تغير كيفية ظهور الألوان، مما يجعل من الصعب مقارنة النتائج من مستشفى لآخر.
لقد طور فريق من الباحثين الآن أداة رقمية جديدة صُممت لحل هذه المشكلات، محولةً التقدير البصري الذاتي إلى قياس دقيق ومؤتمت. ومن خلال العمل ضمن برنامج تحليل صور واسع الاستخدام يسمى "ImageJ"، أنشأوا إضافة (plugin) تعمل كمساعد دؤوب ومتسق تماماً لأطباء علم الأمراض. هذا البرنامج لا يكتفي بعد الخلايا فحسب؛ بل يفهم الطبيعة المعقدة والمزدحمة للأنسجة حيث تضغط الخلايا بشدة ضد بعضها البعض. في العديد من البرامج الحاسوبية الموجودة، عندما تكون الخلايا متراصة معاً، يواجه البرنامج صعوبة في تحديد أين تنتهي خلية وتبدأ الأخرى، وغالباً ما يدمجها في كتلة واحدة. تستخدم هذه الأداة الجديدة استراتيجية هندسية ذكية لرسم خطوط غير مرئية بين الخلايا، مما يضمن احتفاظ كل خلية بمنطقتها المتميزة حتى عندما تكون مضغوطة مع جيرانها. كما أنها تحل مشكلة تغير الألوان؛ فبدلاً من استخدام قاعدة واحدة جامدة لتحديد ما يعتبر "داكناً" أو "فاتحاً" لكل شريحة، تسمح الأداة للمستخدم بإظهار مثال مرجعي من دفعة العينات الحالية للبرنامج. ومن ثم تتعلم الأداة من هذا المثال معنى الألوان لهذه المجموعة المحددة من الشرائح، وتعدل رؤيتها لتتطابق مع واقع الصبغة بدلاً من إجبار الصبغة على التناسب مع قاعدة معدة مسبقاً.
اختبر الباحثون هذا النظام على مجموعة ضخمة مكونة من 752 صورة تمثل مجموعة متنوعة من ظروف الصبغ، من الفاتح جداً إلى الداكن جداً. وقارنوا درجات الكمبيوتر بالدرجات التي وضعها أطباء بشريون ذوو خبرة. كانت النتائج متقاربة بشكل مذهل. فعندما استخدم البرنامج طريقة التعلم التكيفي الخاصة به، تطابقت درجاته مع الخبراء البشريين بمستوى توافق شبه مثالي، حيث اختلف عنهم بمتوسط أقل من ثلاث درجات على مقي scale يصل إلى 300. في المقابل، تسببت نسخة أبسط من البرنامج، والتي لم تتكيف مع دفعة الشرائح المحددة، في أخطاء أكبر بكثير، حيث قللت من تقدير الدرجات بشكل ملحوظ. كما اختبر الفريق الأداة على آلاف عينات الأنسجة من قاعدة بيانات عامة تغطي أنواعاً مختلفة من السرطان. وسواء كان النظر إلى البروتينات داخل نواة الخلية أو تلك العائمة في السيتوبلازم المحيط، فقد تماشى التقييم المؤتمت باستمرار مع التعليقات التوضيحية لخبراء قاعدة البيانات. أثبت البرنامج قدرته على التعامل مع الواقع الفوضوي للأنسجة البيولوجية، محافظاً على دقته حتى عندما كانت الخلايا متراصة بكثافة أو عندما تباينت جودة الصبغ من شريحة إلى أخرى.
إن ما يجعل هذا التطور مهماً بشكل خاص هو سهولة الوصول إليه. تتطلب العديد من أدوات التصوير الطبي المتقدمة أجهزة كمبيوتر متخصصة وباهظة الثمن أو معرفة برمجية معقدة لتشغيلها، مما يحد من استخدامها في المختبرات البحثية الممولة جيداً. ومع ذلك، تعمل هذه الأداية الجديدة كإضافة بسيطة داخل برنامج "ImageJ"، وهو برنامج مجاني ومفتوح المص المصدر يستخدمه آلاف الباحثين وأطباء علم الأمراض حول العالم. وهي لا تتطلب أي أجهزة خاصة أو مهارات برمجة لاستخدامها. يكفي أن يقوم المستخدم بتحميل صوره، واختيار شريحة مرجعية لمعايرة النظام، وترك البرنامج يعالج الدفعة بأكملة تلقائياً. وقد أظهر الباحثون أن هذا النهج يمكنه معالجة مئات الصور بطريقة متسقة وقابلة للتكرار، مما يزيل التعب والتباين الذي يأتي مع العد اليدوي. ومن خلال دمج التعلم العميق لإيجاد مراكز الخلايا مع طريقة طوبولوجية لتحديد حدود الخلايا، تسد هذه الأداة الفجوة بين الدقة عالية التقنية والمنفعة السريرية اليومية.
تؤكد الدراسة أن سير العمل المؤتمت هذا يمكنه قياس تعبير البروتين بشكل موثوق في كل من الأهداف النووية والسيتوبلازمية عبر أنواع السرطان المختلفة. وأشار الباحثون إلى أنه بينما قدمت الأداة أداءً استثنائياً في مجموعات البيانات التي اختبروها، والتي تضمنت عينات من "أطلس البروتين البشري"، إلا أن التحقق كان محدوداً ببروتينات معينة ومجموعات بيانات عامة. وهم يقرون بأن العمل المستقبلي سيحتاج إلى التوسع ليشمل أنواعاً أكثر من الأمراض والعينات المتخصصة، مثل تلك المتعلقة بأورام العظام، لترسيخ نطاق وصولها بالكامل. ومع ذلك، تظل النتيجة الجوهرية قائمة: من خلال الجمع بين الحدود الهندسية الذكية والمعايرة المرنة، من الممكن إنشاء "طبيب أمراض رقمي" يتسم بالدقة وسهولة الاستخدام في آن واحد. يقدم هذا النهج مساراً نحو تحليل أكثر معيارية وعالي الإنتاجية في علم الأمراض الرقمي، مما يضمن أن الدرجات التي توجه رعاية المرضى تستند إلى بيانات موضوعية متسقة، بدلاً من الظروف المتقلبة لمختبر واحد أو إرهاق مراقب واحد.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.