Detectar y segmentar de forma rápida y automatizada los glomérulos mediante la tecnología de aprendizaje profundo de AI

Los investigadores a menudo requieren analizar grandes conjuntos de imágenes para obtener datos relevantes destinados a sus investigaciones. Dichos análisis pueden ser cuantitativos o cualitativos; pero, además, deben ser fiables e imparciales. Cabe agregar que esta tarea puede ser engorrosa según el área morfológica de interés. Para acelerar este proceso, Olympus ofrece una solución de aprendizaje profundo (Deep Learning) en combinación con el escáner SLIDEVIEW™ VS200. En este experimento, el módulo de software del escáner, dedicado al análisis de imágenes por autoaprendizaje, se usó para detectar glomérulos en el riñón.

Detección y segmentación de glomérulos renales

En la investigación de patología renal, los científicos trabajan para aclarar los complejos procesos de las enfermedades asociadas al riñón a fin de poder desarrollar mejores tratamientos y aumentar su eficacidad.

Los riñones desempeñan muchas funciones vitales que permiten mantener nuestra salud general gracias a los glomérulos. Los glomérulos son estructuras renales que filtran el plasma y mantienen la homeostasis. Los glomérulos pueden verse afectados por diferentes enfermedades, cuyo estudio se lleva a cabo de forma exhaustiva. Una parte fundamental de estas investigaciones científicas consiste en analizar un número significativo de cortes de riñón; estos son preparados de acuerdo con una variedad de protocolos de tinción que permiten revelar estructuras específicas.

El análisis de imágenes, provenientes de cortes de riñón, puede ser crucial para determinar cambios en la morfología o cantidad de los glomérulos. Sin embargo, procesar varias muestras en la investigación puede llevar mucho tiempo y ser subjetivo. Para acelerar y optimizar este proceso, los investigadores en nefropatología pueden usar el sistema de escaneo de portaobjetos digitales SLIDEVIEW VS200 con el fin de escanear rápidamente una gran cantidad de portaobjetos. El software de análisis de imágenes del sistema ahora integra un módulo de red neuronal por aprendizaje profundo, cuya formación permite reconocer los glomérulos aparte de las variaciones de tamaño, forma o color.

Desafíos al detectar y segmentar glomérulos de forma automática

La complejidad del tejido renal, la heterogeneidad de las características patológicas y el uso convencional de múltiples tinciones para las preparaciones de histología renal hacen que el análisis asistido por computadora/ordenador de las imágenes, provenientes de muestras de biopsia renal, sea un desafío. La tinción de cortes tisulares también puede dar diferentes intensidades de color a cada portaobjetos, dependiendo de la cantidad de tinción presente.

Toda esta variabilidad vinculada a la apariencia glomerular y, en general, a las imágenes digitales de tejidos, dificulta la automatización de la clasificación. Es por eso que la aplicación de detección de glomérulos en tejido renal es una prueba particularmente rigurosa, y que además permite demostrar la viabilidad y eficacia del escáner de portaobjetos VS200 y la solución de aprendizaje profundo TruAI.

[Izq.] Portaobjetos con corte de tejido renal en 20x que muestra glomérulos teñidos de marrón oscuro. [Dcha.] Portaobjetos en 10x que muestra la detección basada en el método de valor umbral convencional (en rojo) y en donde no se distinguen las células glomerulares de las otras células tisulares. Imágenes por cortesía de Zhenhua Miao, Director científico de ChemoCentryx, Inc. Mountain View, CA (EE. UU)

Experimente usando el escáner SLIDEVIEW ™ VS200 y la solución de aprendizaje profundo TruAI

Por lo general, para analizar estas estructuras en imágenes digitalizadas, los investigadores seleccionan los glomérulos de forma manual; pero, hay que dedicar mucho tiempo. Por otro lado, los métodos tradicionales de segmentación automática, como los algoritmos basados en umbrales, no llegan a identificarlos, tal y como se mencionó anteriormente.

El paquete de escaneo de portaobjetos VS200 comprende el software VS-Desktop para analizar las imágenes adquiridas. Este software ofrece un módulo TruAI™, que aplica un enfoque de aprendizaje profundo para detectar y segmentar los glomérulos en función de redes neuronales convolucionales. Estas redes son una forma de microscopía de autoaprendizaje y un modelo tecnológico extremadamente poderoso para segmentar objetos. Gracias a esta tecnología, es posible automatizar la detección de los glomérulos en un riñón.

El proceso de formación de la red neuronal se explica a continuación:

Proceso de trabajo sencillo para detectar y segmentar muestras automáticamente mediante el aprendizaje profundo El primer paso hacia este análisis automático es proporcionar al software imágenes de muestras con anotaciones o datos de «verdad» acerca del terreno. Esto se lleva a cabo al marcar los glomérulos en una pequeña cantidad de imágenes con el software VS-Desktop. Mientras más objetos sean marcados, mejor serán los resultados. Un mayor número de objetos con múltiples diferencias en intensidad, color, tamaño y forma hará que la red neuronal sea más sólida. El software de análisis de imágenes VS presenta varias herramientas para facilitar esta etapa, lo que favorece su uso.
Después de generar los datos marcados, el siguiente paso es formar la red neuronal profunda (DNN). En esta fase, la red compara los datos aprobados en terreno con los propios datos que ha calculado hasta que consigue un valor de alta probabilidad. Este dato calculado es un modelo de inteligencia artificial (IA) que imita al cerebro humano (denominado comúnmente «DNN») y, por lo tanto, aprende a reconocer estructuras complejas y emitir valoraciones inteligentes.

Por último, la DNN calculada se aplica al resto de imágenes renales para detectar y separar automáticamente los glomérulos.

Una red neuronal profunda formada por la tecnología TruAI™ de Olympus puede ser transferida y usada en cualquier software de escritorio V200, así como con otros productos compatibles de Olympus.

Este proceso crea un flujo de trabajo automatizado tal y como se expone a continuación. La segmentación de los glomérulos comprende estos tres sencillos pasos:

1. Se escanea una nueva imagen con el sistema de escaneo de portaobjetos digitales SLIDEVIEW™ VS200.

2. La DNN formada detecta y separa los glomérulos.

3. Los glomérulos detectados pueden ser segmentados y utilizados para análisis posteriores de recuento y medición en la imagen generada.

Resumen de las ventajas que ofrece el escáner SLIDEVIEW VS200 con la solución de aprendizaje profundo para la detección y segmentación de glomérulos

El módulo TruAI™ permitió una fácil detección de objetos y segmentación de glomérulos a partir de imágenes complejas, con una fiabilidad y precisión mucho mayor que otros métodos automáticos existentes. Asimismo, es posible llevar a cabo otros análisis, como el recuento y la medición, en función de los resultados de la segmentación.

La combinación del escáner de portaobjetos dedicado a la investigación SLIDEVIEW™ VS200 con la solución de aprendizaje profundo TruAI™ viabiliza un flujo de trabajo completo, desde la digitalización de las muestras hasta el análisis preciso de los datos en modo cuantitativo, a través de una amplia gama de aplicaciones biológicas que generan una variedad de imágenes, como las muestras celulares o tisulares en campo claro y fluorescencia.

La automatización precisa en el análisis de imágenes aliviará gran parte del engorroso trabajo manual que deben cumplir los científicos para que su investigación sea más eficiente.

Reconocimientos

Esta nota de aplicación ha sido preparada con la ayuda de los siguientes investigadores.

• Zhenhua Miao, director científico de ChemoCentryx, Inc. Mountain View, CA, EE. UU.
• Sara Quiñones Gonzalez, gerente de productos de Olympus Soft Imaging Solutions GmbH, Münster, Alemania.
• Dr. Daniel Göttel, gerente de soporte de ventas, Olympus Soft Imaging Solutions, Münster, Alemania