Serdar Balcı 2023-11-01
https://zenodo.org/badge/latestdoi/594820002
Bu yazı Prof. Dr. Alp Usubütün editörlüğünde hazırlanan “Sağlık Bilimleri İçin Patoloji ve Patoloji Laboratuvarını Anlama Kılavuzu 2. Baskı - Ekim 2022 Ankara Nobel Tıp Kitabevleri ISBN: 978-625-7564-70-0” 1 2 adlı kitaptaki “8. Bölüm: Patolojide Yeni Yöntemler ve Gelecek”3 için hazırlanmıştı r. Ancak bu alanın çok hızlı ilerlemesi nedeniyle bu metni güncel tutmak (ve bir sonraki baskı için gerekirse hazır bulunmak için) metin içeriği burada güncellenecekti r. Doç. Dr. Serdar Balcı
Patologları, hastanın klinik bilgilerini, makroskopi ve mikroskopik görüntüler ile işleyip, literatür ve bilimsel bilgiler ışığında yorumlayan ve rapor adlı yazılı bilgiyi üreten bilgi uzmanları olarak tanımlayabiliriz. Abartılı bir tarif gibi görünse de çoğu hasta dosyasında, hasta hakkında en çok ve en doğru (hatta hala daha altın standart) bilgiler patologların ürettiği patoloji raporlarında yer almaktadır.
Bilginin teknoloji kullanılarak işlenmesindeki gelişmeleri, patoloji disiplini, bazen geriden bazen öncü olarak, ama emin adımlarla takip etmekte ve kendi işleyişine katmaktadır. (Computational Pathology: A Path Ahead https://pubmed.ncbi.nlm.nih.gov/26098131/)
gibi bir çok basamakta yer alan bilişim teknolojileri, dijital patolojinin yaygınlaşması ile makina öğrenmesi, derin öğrenme ve yapay zeka ile karar destek sistemleri olarak günlük pratiğe daha da girmektedir.
Patoloji raporları ve görüntüleri için kullanılan yazılımlar (Rosai 1. chapter)’da belirtildiği gibi çoğu zaman diğer laboratuvar branşları ya da radyoloji için hazırlanmış platformlara eklemlenmiş gibidirler. Patolojinin işleyişi ile çoğu zaman örtüşmeyen yazılımlar, çoğu zaman bir metin işlemcisi ve faturalandırma aracı olarak kalmaktadırlar.
Patolojide bilgi türleri temel olarak laboratuvar iş akışı, metin ve görüntülerden oluşmaktadır.
Patolojideki metin bilgilerini:
Bu bilgi türlerine belki sosyal medya
yı da eklemek uygun olacaktır.
Sosyal medyada paylaşılan rutin ya da ilginç patoloji vakaları
derlendiğinde bir patoloji kitabı oluşturmak mümkün olabilir 4.
Ayrıca bu veriler görüntü analizleri için bile kullanılabilmektedir
PMID:37592105.
Şu an kullanılan ara yüzlerdeki farklılıklar da kullanım alışkanlığı geliştirmeyi zorlaştırmaktadır.
<–WIP–>
Bilgisayar fare orta tuş kilidi olan ve olmayan arayüzler
(https://middleclick.app/), büyütme ve küçültme (zoom in/out)
hızlarının klasik mikroskoplardan farklı olması yanısıra klavye ve
bilgisayar bileşenlerine (oyunlara) aşina neslin kullandığı oklar,
aswd
tuşlarının …
navigasyon ok tuşları, aswdrz, +- middle click scroll resim, görüntü kaydetme
Sectra, ViraSoft ve OpenSeaDragon arayüzlerindeki farklılıklar.
<–WIP–>
Nasıl bir ekran kullanılacağı ve ekranın “tıbbi ekran” kategorisinde olup olmaması gerektiği de süregiden bir tartışma konusudur (Bkz. Leeds ekran testi)
<–WIP–>
Tek ya da çoklu monitörde çalışma, dokunmatik ekranlar
ekran çözünürlüğü, tepki süresi
sanal mape çeşitleri
lamın vertikal ya da horizontal taranması
taranan alanların işaretlenmesi (heatmap)
<–WIP–>
Günümüzde kaset, immünohistokimya ve tayarıcılardaki farklı barkod / karekod / datamatrix kullanımı ve bu içeriğin firmalara özgün ve değiştirilemez olarak tanımlanması, kesintisiz bir laboratuvar iş akışı önündeki önemli engellerden biridir. Bu konuda firmalar arası entegrasyonun sağlanabilmesi oldukça önemlidir. Yakın zamanda Memorial Patoloji’de tüm basamaklardaki datamatrix kodları birleştirilmiş olup, immünohistokimya cihazındaki entegrasyon da tamamlanmak üzeredir.
Dijital patoloji hızla gelişen bir alan olduğundan patologların kendilerini bu gelişmelere hazırlamaları gerekmektedir.
Altyapı yatırımları sırasında geliştirilebilir modüler yapıların tercih edilmesi; basit ekran paylaşımından öteye gitmeyen ve açık kaynak ile ulaşılabilecek programlar için masraf yapmadan önce yetkin görüş alınması önerilmektedir.
Dijital patoloji görüntüleri şu an farklı firmalara ait farklı formatlar halindedir. Ancak yakın zamanda ortak bir format olan DICOM’a geçilmesi ile cihazlar arasındaki uyum da artacaktır. Bu ortak formata geçilmesi ile görüntülerin daha uygun saklanabilmesi için de geliştirmeler hızlanacaktır.
Dijital patoloji sadece mikroskopik görüntülerin bilgisayar ortamına aktarılması olarak düşünülmemeli. Dijital patoloji ile tüm patolojide üretilen tüm bilginin kullanılabilir veri haline getirilmesi ve bunların hastanın diğer bilgileri ile entegre edilmesi hedeflenmelidir.
Yöneticilerin dijital patoloji kurulum hevesleri sırasında, patologlar fırsatı ganimet bilip laboratuvarın eksiklerini tamamlatmalı ve kaliteyi artırıcı düzenlemeleri uygulatmalıdırlar.
Yeni çıkan immünohistokimyasal tetkiklerin belli bir süre sonra tanısal özgünlüklerini kaybetmeleri patologları yeni testlere karşı şüpheli yaklaşmaya zorlamıştır. Aynı şüpheyi yapay zeka algoritmaları için de kullanmak gereklidir. Yakın zamanda çok sayıda başarılı olduğu iddia edilen algoritma yayınlanmış olmasına karşın bunların kliniğe aktarımı hala kısıtlıdır. Yayın ve araştırma bolluğu ile birlikte; yapay zeka modellerinin aynı laboratuvardaki tekrarlanabilirlikleri ve başka laboratuvar verilerine aktarılabilirlikleri çok önemli bir problem olarak ortaya çıkmaya başlamıştır.
Patoloji asistanları açık kaynak kodlu dijital patoloji programlarını kullanmayı öğrenmeli ve açık kaynak kodlu yazılımlar konusunda dijital okur yazarlıklarını geliştirmelidirler.
Meslek örgütleri radyolojide yaşanan “hizmet alımı” süreci ile “uzaktan tanı” adı altında düşürülen sağlık hizmeti kalitesi ve değersizleştirilen hekim emeğinin farkında olmalı ve buna yönelik tedbir ve tavsiyeler için hazırlanmalıdırlar.
Tarayıcıların, PACS depolarının ve arayüzlerin birbiri ile uyumu oldukça önemlidir. ICC profillerinin 5 6 uyumu görüntülerin son kullanıcı olan patolog tarafından değerlendirmesinde önem taşımaktadır.
Yapay zeka algoritma sağlayıcılarının, laboratuvarda hali hazırda bulunan PACS ve arayüz ile uyum sağlayamaması ve entegrasyon için ayrı emek ve maliyet gerekmesi de dijital patolojinin gelişimindeki engellerdendir.
Üretilen yapay zeka algoritmaları firmaların sadece kendi arayüzlerinde ve bulut sistemlerinde çalışmaktadır. Bu sistemler “vendor agnostic” hale henüz gelememişlerdir.
QuPath’ın WSinfer adlı eklentisi ile literatürdeki yapay zeka modellerini kendi vakalarımızda kolayca uygulamak mümkün. 7
I am really enthusiastic about the #wsinfer plugin of #qupath Now it will be possible to try published models of digital pathology on my cases without having to find data or code “upon reasonable request”, or try correct the corrupt code on github. And now the “published models” will face the real world scenario. This will change the #digitalpathology and distinguish those models that really work from those that work only on the paper. There is one great barrier remaining now, an open source program to make #WSI with a camera attached to a microscope. I wish I had the coding skills to do that :)
Gelecekte oldukça fazla QuPath kullanacağımızın bir göstergesi de Apple
bilgisayar sunumlarında QuPath’ın örnek olarak yerini almasıdır.
https://www.linkedin.com/feed/update/urn:li:activity:7125049439831916544/
https://youtube.com/clip/UgkxMxu0lmNg-9TeX7W59sJXa1dm6nqysu6N?si=4uuz7qVoWqAhYuGp
https://openflexure.org/projects/microscope/
PATHOLOGY RESIDENT EXPERIENCE USING A LOW-COST 3D PRINTED MICROSCOPE FOR PORTABLE DIGITAL PATHOLOGY https://doi.org/10.1016/j.jpi.2022.100043
Open Source Software for Control and Automation of Microscope Hardware 8
Diğer açık kaynak kodlu ve ücretsiz programların listesi okuma önerilerinde verilmiştir.
Dijital Patoloji Webinar Serisi-1 Dr. Juan Retamero @memorialsaglik #memorialpatoloji @paige_ai
Dijital Patoloji Webinar Serisi-2 Dijital Patolojide Validasyon
Dijital Patoloji Webinar Serisi-3 Dijital Patolojinin Rutinde Kullanımı Dr. Serdar Balcı
http://www.andrewjanowczyk.com/application-of-icc-profiles-to-digital-pathology-images/ ↩
preprint documentation-1 documentation-2 image.sc linkedIN ↩
https://micro-manager.org/ ↩