Contoh pewarnaan virtual jaringan. Jaringan yang tidak diwarnai di sebelah kiri, jaringan yang diwarnai secara kimiawi di tengah dan jaringan yang hampir diwarnai di sebelah kanan. Contohnya adalah jaringan prostat. Kredit: Pekka Ruusuvuori
Para peneliti dari University of Eastern Finland, University of Turku, dan Tampere University telah mengembangkan metode berbasis kecerdasan buatan untuk pewarnaan virtual sampel jaringan histopatologis sebagai bagian dari konsorsium ABCAP Nordik. Pewarnaan kimia telah menjadi landasan mempelajari histopatologi selama lebih dari satu abad dan diterapkan secara luas, misalnya dalam diagnosis kanker.
“Pewarnaan kimia membuat morfologi bagian jaringan kontras rendah yang hampir transparan terlihat. Tanpanya, menganalisis morfologi jaringan hampir tidak mungkin untuk penglihatan manusia. Pewarnaan kimia tidak dapat diubah, dan dalam banyak kasus, ini mencegah penggunaan sampel yang sama untuk eksperimen atau pengukuran lain,” kata Peneliti Universitas dan Wakil Direktur Institut Biomedis di Universitas Finlandia Timur Leena Latonen, yang memimpin bagian eksperimental dari studi tersebut.
Metode kecerdasan buatan yang dikembangkan dalam penelitian ini menghasilkan gambar komputasi yang sangat mirip dengan yang dihasilkan oleh proses pewarnaan kimia yang sebenarnya. Gambar yang hampir diwarnai ini kemudian dapat digunakan untuk memeriksa morfologi jaringan. Pewarnaan virtual mengurangi beban kimiawi dan pekerjaan manual yang diperlukan untuk pemrosesan sampel sekaligus memungkinkan penggunaan jaringan untuk tujuan lain selain pewarnaan itu sendiri.
Kekuatan metode pewarnaan virtual yang diusulkan adalah tidak memerlukan perangkat keras atau infrastruktur khusus selain mikroskop cahaya biasa dan komputer yang sesuai.
“Hasilnya dapat diterapkan secara luas. Ada banyak topik untuk penelitian lanjutan, dan metode komputasi masih dapat ditingkatkan. Namun, kami sudah dapat membayangkan beberapa area aplikasi di mana pewarnaan virtual dapat berdampak besar pada histopatologi,” kata Associate Professor Pekka Ruusuvuori dari University of Turku, yang memimpin bagian komputasi penelitian.
Potensi besar metode komputasi
Pembelajaran jaringan syaraf dalam dari volume data yang besar telah dengan cepat mengubah bidang analisis gambar biomedis. Selain tugas analisis gambar tradisional, seperti interpretasi gambar, metode ini juga cocok untuk transformasi gambar-ke-gambar. Pewarnaan virtual adalah contoh dari tugas semacam itu, seperti yang berhasil ditunjukkan dalam dua bagian karya yang diterbitkan. Bagian kedua berfokus pada pengoptimalan pewarnaan virtual berdasarkan jaringan saraf permusuhan generatif, dengan Doktor Peneliti Umair Khan dari Universitas Turku sebagai pengembang utama.
“Jaringan saraf yang dalam mampu bekerja pada tingkat yang tidak dapat kami bayangkan beberapa waktu lalu. Pewarnaan virtual berbasis kecerdasan buatan dapat berdampak besar terhadap pemrosesan sampel yang lebih efisien dalam histopatologi,” kata Khan.
Selain algoritme kecerdasan buatan, kunci suksesnya adalah tersedianya layanan komputasi berkinerja tinggi melalui CSC.
“Di Finlandia, kami memiliki infrastruktur yang sangat baik untuk komputasi kinerja tinggi paralel. Riset komputasi intensif seperti ini tidak akan mungkin dilakukan tanpa kapasitas yang disediakan oleh CSC,” kata Ruusuvuori.
Hasil penelitian dipublikasikan di Laboratorium Investigasi dan Pola.
Informasi lebih lanjut: Sonja Koivukoski et al, Pencitraan Jaringan Tanpa Pewarnaan dan Pewarnaan Hematoksilin Virtual dan Pewarnaan Eosin dari Gambar Slide Utuh Histologis, Investigasi Laboratorium (2023). DOI: 10.1016/j.labinv.2023.100070
Umair Khan et al, Pengaruh arsitektur jaringan saraf pada pewarnaan H&E virtual: Penilaian sistematis kelayakan histologis, Pola (2023). DOI: 10.1016/j.patter.2023.100725
Disediakan oleh Universitas Turku
Kutipan: Para peneliti mengembangkan metode berbasis AI untuk menggantikan pewarnaan kimia pada jaringan (2023, 14 April) diambil 15 April 2023 dari https://medicalxpress.com/news/2023-04-ai-based-method-chemical-tissue. html
Dokumen ini tunduk pada hak cipta. Terlepas dari kesepakatan yang adil untuk tujuan studi atau penelitian pribadi, tidak ada bagian yang boleh direproduksi tanpa izin tertulis. Konten disediakan untuk tujuan informasi saja.