Istraživači sa Univerziteta Kalifornije u Los Anđelesu (UCLA) uveli su revolucionarni pristup u snimanju i otkrivanju naslaga amiloida u uzorcima tkiva. Inovativna metoda koristi duboko učenje i autofluorescentnu mikroskopiju da bi se postiglo virtuelno dvolomno slikanje i histološko bojenje, eliminišući potrebu za slikanjem polarizacije i tradicionalnim hemijskim mrljama kao što je Kongo crveno.
Sistemska amiloidoza, stanje koje karakteriše akumulacija pogrešno savijenih proteina u organima i tkivima, predstavlja značajne dijagnostičke izazove. Amiloidoza pogađa nekoliko miliona ljudi svake godine, što često dovodi do ozbiljnog oštećenja organa, srčane insuficijencije i visoke stope smrtnosti ako se ne dijagnostikuje i ne leči rano.
Tradicionalno, bojenje Kongo crvenom bojom pod mikroskopijom polarizovane svetlosti je zlatni standard za vizuelizaciju amiloidnih naslaga. Međutim, ova metoda je radno intenzivna, skupa i podložna je varijabilnosti koja može dovesti do lažnih dijagnoza.
Nova tehnika, detaljno opisana u Nature Communications, koristi jednu neuronsku mrežu za transformaciju autofluorescentnih slika tkiva bez oznaka u slike svetlog polja i polarizovane mikroskopije visoke vernosti koje odražavaju one dobijene tradicionalnim histohemijskim bojenjem i polarizacionom mikroskopom.
Tehnika je testirana na uzorcima srčanog tkiva, pokazujući da virtuelno obojene slike pružaju doslednu i pouzdanu identifikaciju amiloidnih uzoraka u poređenju sa tradicionalnim metodama, takođe eliminišući potrebu za hemijskim bojenjem i specijalizovanim polarizacionim mikroskopima, potencijalno ubrzavajući dijagnozu i smanjujući troškove.
Ovaj virtuelni proces bojenja ne samo da odgovara, već u nekim slučajevima i prevazilazi kvalitet konvencionalnih metoda, što su potvrdili višestruki patolozi sertifikovani od strane UCLA, kao i USC i Hadassah Hebrev Universiti Medical Center.
Dr Ajdogan Ozkan, stariji autor studije i Volgenau katedra za inženjerske inovacije na UCLA, objašnjava: „Naš model dubokog učenja može da izvrši transformaciju slike od autofluorescencije do dvoloma i od autofluorescencije do svetlosnog polja, nudeći pouzdanu, doslednu , i isplativa alternativa tradicionalnim histološkim metodama.
„Ovaj napredak bi mogao u velikoj meri povećati brzinu i tačnost dijagnoze amiloidoze, smanjujući rizik od lažnih negativnih rezultata i poboljšavajući ishode pacijenata.
Nalazi studije sugerišu da bi ovaj virtuelni pristup bojenju mogao biti neprimetno integrisan u postojeće kliničke tokove rada, olakšavajući šire usvajanje digitalne patologije. Metoda ne zahteva specijalizovane optičke komponente i može se primeniti na standardnim digitalnim patološkim skenerima, što je čini pristupačnom za širok spektar zdravstvenih ustanova.
„Ova inovacija predstavlja značajan korak napred u oblasti patologije amiloidoze“, rekao je dr Ozcan. „To ne samo da pojednostavljuje dijagnostički proces, već ima i potencijal za proširenje upotrebe digitalne patologije u rutinskoj kliničkoj praksi, posebno u okruženjima sa ograničenim resursima.“
Istraživači planiraju da prošire svoje procene na druge tipove tkiva, kao što su bubrezi, jetra i slezina, kako bi dodatno potvrdili kliničku korisnost modela u različitim manifestacijama amiloidoze. Oni takođe imaju za cilj da istraže razvoj automatizovanih sistema za detekciju kako bi pomogli patolozima da identifikuju problematična područja, potencijalno poboljšajući dijagnostičku tačnost i smanjujući lažne negativne rezultate.
