Wprowadzenie

Rak piersi jest najczęstszym kobiecym nowotworem złośliwym i drugą przyczyną zgonów wśród pacjentek onkologicznych w Polsce. Szacuje się, że nawet 1 na 8 kobiet zapadnie na raka piersi na przestrzeni swojego życia. Od lat 1980-tych obserwuje się ponadto wzrost zapadalności na raka piersi. Dlatego coraz bardziej istotne jest wczesne wykrywanie choroby.

Standardowo główne etapy procedury diagnostycznej to: pobranie próbki od pacjentki (biopsja), utrwalenie próbki pobranej tkanki na szkiełku i barwienie jej przy użyciu odpowiedniego barwnika. Utrwaloną na szkiełku próbkę otrzymuje lekarz-patolog i ogląda ją pod mikroskopem, szukając obiektów (komórek, jąder komórek itp.) ze zmianami nowotworowymi. Wizualna metoda identyfikacji obiektów ze zmianami nowotworowymi jest czasochłonna a także subiektywna. Badania naukowe wykazują brak zgodności lekarzy- patologów co do identyfikacji poszczególnych obiektów na próbce (podobne obiekty – komórki, jądra mitotyczne itp. – mogą być różnie oznaczanie przez różnych patologów, w zależności od ich doświadczenia i wiedzy).

Utrwaloną na szkiełku próbkę tkanki można zeskanować za pomocą specjalistycznego skanera medycznego. Otrzymujemy w ten sposób zdigitalizowany obraz próbki, który może być wykorzystany przez programy do komputerowej analizy obrazu, sztuczną inteligencję i techniki uczenia maszynowego. Stwarza to nadzieję na przełom w diagnostyce raka piersi, jakim będzie opracowanie systemu automatyzującego pracę lekarzy-patologów.

Oparty na sztucznej inteligencji i odpowiednio wytrenowany system mógłby analizować skany próbek medycznych, oznaczać na nich komórki rakowe (identyfikując także typy komórek rakowych) oraz wystawiać na podstawie przeprowadzonej analizy wstępną diagnozę. Dzięki temu lekarz-diagnosta nie musiałby zaczynać pracy od początku, mając oznaczone i opisane te obszary, na które powinien zwrócić szczególną uwagę. Takie podejście pozwala na znaczące zmniejszenie nakładu pracy lekarzy, zwiększenie ich wydajności, daje w rezultacie oszczędność czasu i kosztów. Zmniejsza także ryzyko diagnoz błędnych.

Oczywiście ostateczna diagnoza zawsze będzie wystawiana przez lekarza, system informatyczny może wysuwać tylko pewne propozycje.

Przykłady zdigitalizowanych obrazów próbek:

Koncepcja systemu

Koncepcja systemu zakłada oparcie się na protokołach:

• "Protocol for the Examination of Biopsy Specimens from Patients with Invasive Carcinoma of the Breast" 
• "Protocol for the Examination of Biopsy Specimens from Patients with Ductal Carcinoma In Situ (DCIS) of the Breast" 

Model działania

Proponowany system będzie funkcjonował wg poniższego schematu:

1. Pobrana od pacjentki próbka jest skanowana, a skan trafia do systemu (system może działać zarówno w sieci, w chmurze jak i lokalnie, np. w szpitalu).
2. System wstępnie ocenia jakość zeskanowanego obrazu próbki: czy jest na tyle dobrej jakości, że może posłużyć do wystawienia diagnozy. Obrazy uznane za niediagnostyczne są odrzucane.
3. System dzieli obraz na mniejsze fragmenty (kafle). Przy podziale automatycznie odrzucane są te fragmenty skanu, które nie zawierają komórek lub zawierają artefakty.
4. Odpowiednio wytrenowane modele sztucznej inteligencji przeprowadzają analizę obrazu, identyfikując komórki rakowe, segregując je wg ich typów i oznaczając je etykietami zawierającymi ich opis.
5. Na podstawie pozyskanych w ten sposób informacji system generuje wstępną diagnozę.
6. Skan, wstępnie zdiagnozowany i opisany przez system, jest przesyłany do lekarza-diagnosty, który wystawia diagnozę końcową.

Zakładane parametry systemu:

1. Wysoka wykrywalność komórek nowotworowych.
2. Wysoka wydajności działania systemu.
3. Wysoka skuteczność diagnoz.

Przykładowe podziały preparatów:

Baza 3o tysięcy obrazów

W związku z realizacją projektu INFOSTRATEG I  firma Alcid zobowiązała się do udostępnienia w sposób otwarty zebranych danych na licencji Creative Commons Corporation „Uznanie autorstwa 4.0 Międzynarodowa”. Treść warunków udzielanej licencji jest dostępna w serwisie www.creativecommons.org. 

Poniższy link kieruje do aplikacji pozwalającej na przeglądanie i wyszukiwanie skanów preparatów na podstawie kryteriów:

• rok wykonania,
• marker,
• tekst diagnozy,
• rodzaj filtrowanego obiektu
• ICD-10
• ICD-O-3
• stopień
• występowanie martwicy
• aktywności proliferacyjnej
• HER2
• wystąpienia reakcji receptorów estrogenowych
• procent pozytywnych reakcji receptorów estrogenowych
• wystąpienia reakcji receptorów progesteronu
• procent pozytywnych reakcji receptorów progesteronu
• użyty marker

Aplikacja pozwala porównywać na raz cztery preparaty  w zsynchronizowanych widokach.

Aplikacja pozwala na pobieranie plików z oryginalnymi danymi.

Dane są formacie DICOM WSI ( Definicja w DICOM Supplement 145) a diagnozy w HL7 (zgodnym z Polską Implementacją Krajową HL7 CDA wersja 1.3.2).

Aby skorzystać z aplikacji wymagana jest przeglądarka internetowa:

• Chrome 84 i powyżej
• Firefox 72.0 i powyżej
• Safari on El Capitan i powyżej
• Edge 1.2.0 i powyżej

Kontakt 

Artur Olszewski - Ten adres pocztowy jest chroniony przed spamowaniem. Aby go zobaczyć, konieczne jest włączenie w przeglądarce obsługi JavaScript.