A novel topology-guided adaptive strategy for automated nuclear-cytoplasmic H-Score quantification in immunohistochemistry
本文介绍了一种开源、无需训练的 ImageJ/Fiji 插件，该插件结合了 StarDist 核检测与拓扑引导的基于 Voronoi 的分割策略以及自适应校准，旨在实现跨多种免疫组织化学数据集对细胞核和细胞质 H-评分进行高度准确且可重复的自动化定量分析。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是一篇未经同行评审的预印本的AI生成解释。这不是医疗建议。请勿根据此内容做出健康决定。 阅读完整免责声明
在现代医学领域，医生经常依赖一种被称为免疫组织化学的技术来观察患者细胞内部发生的变化。想象一下，一份来自活检的组织样本就像一片微小的、冰冻的景观。为了了解患者是否患有癌症或癌症的侵袭性如何，科学家们用特殊的染料对这片景观进行染色，这些染料会粘附在特定的蛋白质上。有些蛋白质在细胞核（细胞的指挥中心）中发光，而另一些则在细胞质（围绕细胞核的生命物质）中亮起。这种颜色的强度和数量讲述了一个关于疾病的故事。几十年来，病理学家一直通过显微镜来估算这些颜色，根据染色有多深以及有多少细胞着色来给出评分。这个被称为 H-Score 的评分有助于指导治疗决策。然而，用肉眼观察成千上万个这样微小且拥挤的景观既缓慢、耗力，又容易产生人为错误。两位不同的医生可能会观察同一张切片并得出略有不同的结论，而且染色所使用的照明或化学批次的变化会改变颜色的外观，使得不同医院之间的结果难以比较。
研究人员现在开发了一种新的数字工具，旨在解决这些问题，将主观的视觉估算转变为精确的自动化测量。该团队在一个广泛使用的图像分析程序 ImageJ 中开发了一个插件，其作用就像是病理学家一位不知疲倦、始终如一的完美助手。该软件不仅仅是在计数细胞；它还理解组织中细胞紧密挤压在一起的复杂且拥挤的性质。在许多现有的计算机程序中，当细胞密集排列时，软件很难分辨一个细胞在哪里结束，下一个又从哪里开始，往往会将它们合并成一个单一的团块。这个新工具使用了一种巧妙的几何策略，在细胞之间画出无形的线条，确保即使在细胞被挤压在一起时，每个细胞也能保持自己独特的领地。它还解决了颜色变化的问题。该软件并没有使用单一、僵化的规则来决定什么是“深”或“轻”，而是允许用户向其展示当前样本批次中的一个参考示例。工具随后会从该示例中学习对于这组特定切片而言颜色意味着什么，从而调整其视觉效果以匹配染色的实际情况，而不是强迫染色去符合预设的规则。
研究人员在包含 752 幅图像的大规模集合上测试了该系统，这些图像代表了从极浅到极深的各种染色条件。他们将计算机给出的评分与经验丰富的临床医生给出的评分进行了对比。结果非常接近。当软件使用其自适应学习方法时，其评分与人类专家的评分达到了近乎完美的契合度，在高达 300 分的量表中，平均误差小于 3 分。相比之下，一个没有针对特定切片批次进行自适应的简化版软件产生了更大的误差，通常会显著低估评分。该团队还在一个涵盖多种癌症类型的公共数据库中，利用数千个组织样本对该工具进行了测试。无论是观察细胞核内部还是漂浮在周围细胞质中的蛋白质，自动评分都与数据库中的专家注释保持了一致。该软件证明了它能够处理生物组织的复杂现实，即使在细胞高度密集或染色质量随切片变化时，也能保持准确性。
这项进展之所以特别重要，是因为其易得性。许多先进的医学成像工具需要昂贵且专门的计算机或复杂的编程知识才能操作，这限制了它们只能在资金充足的研究实验室中使用。然而，这个新工具作为 ImageJ 中的一个简单插件运行，而 ImageJ 是一个已被全球数千名研究人员和病理学家广泛使用的免费开源程序。它不需要特殊的硬件或编码技能。用户只需加载图像，选择一个参考切片来校准系统，然后让软件自动处理整个批次即可。研究人员展示了这种方法可以以一致、可重复的方式处理数百幅图像，消除了手动计数带来的疲劳和变异性。通过结合用于寻找细胞中心的深度学习与用于定义细胞边界的拓扑方法，该工具架起了高科技精密性与日常临床实用性之间的桥梁。
研究证实，这种自动化工作流可以可靠地量化不同癌症类型中核靶点和细胞质靶点的蛋白质表达。研究人员指出，虽然该工具在他们测试的数据集（包括来自人类蛋白质图谱的样本）上表现出色，但验证过程仅限于特定的生物标志物和公共数据集。他们承认，未来的工作需要扩展到包括更多类型的疾病和专门的标本（例如与骨肿瘤相关的标本），以充分确立其应用范围。尽管如此，核心发现依然成立：通过结合智能几何边界与灵活的校准，可以创造出一个既准确又易于使用的数字病理学家。这种方法为数字病理学提供了一条通往标准化、高通量分析的路径，确保指导患者护理的评分是基于一致、客观的数据，而非单个实验室的波动条件或单个观察者的疲劳程度。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。