Congreso Virtual sobre Anatomía Patológica
ISBN: 978-84-692-76778

PONENCIAS

1525.

Sistemas de análisis automatizado basados en preparaciones virtuales

Gloria Bueno[1], Óscar Deniz[1], J. Salido[1], Marcial García Rojo[2]
(1) ETSI. Universidad de Castilla-La Mancha ESPAÑA
(2) Hospital General de Ciudad Real ESPAÑA

seroquel monographie

seroquel 300 link

bentelan effetti collaterali

bentelan
El espectro de imagen digital en la especialidad de Anatomía Patológica abarca soluciones para microscopía, fotografía fija y vídeo de piezas quirúrgicas durante el estudio macroscópico y la imagen de patología molecular. En esta revisión se han incluido los avances más significativos en microscopía digital y en análisis de imagen microscópica con el fin de crear un modelo útil para la labor asistencial del patólogo, nuestro grupo propone un modelo de gestión centralizada de la imagen digital de Anatomía Patológica, que puede basarse en muchos de los estándares y flujos de trabajo definidos en Radiología. Modelo que integre el estándar DICOM para la gestión y procesado de la imagen. Se considera necesario crear nuevos modelos de procesamiento y análisis bajo entornos Grid, que mejoren la eficiencia de las soluciones para imagen microscópica, disponibles actualmente.

 

Introducción    

La digitalización total de toda la preparación histológica (whole slide imaging, WSI) en Anatomía Patológica es ya un hecho gracias a los escáneres y microscopios robotizados, que permiten obtener imágenes digitales con calidad aceptable y con un coste temporal asequible, (García-Rojo, 2005, 2006).
El análisis automático de la información completa e implícita en la imagen permitirá al patólogo realizar diagnósticos cross-validados y con objetividad, por tanto más fiables y eficaces. Es necesario, por tanto, aplicar técnicas de procesamiento y análisis de imágenes microscópicas para facilitar el diagnóstico y posibilitar también enfoques integrados en la investigación de patologías (García-Rojo, 2006, Martín-Sánchez, 2006). Entre los principales retos que tiene todavía la imagen digital en anatomía patológica están:
 
1)      el adoptar los sistemas de digitalización de imagen microscópica dentro del entorno de trabajo del patólogo,
2)      el desarrollo de herramientas computacionales para:
·         el procesado imágenes de grandes dimensiones (del orden de Gbytes)
·         preprocesado, que aseguren la calidad de la imagen digital que vaya a ser empleada para el diagnóstico anatomopatológico y eviten la pérdida de información debido a formatos de compresión con pérdida que dificultan el análisis de imagen automatizado
·         la detección precisa de todas las regiones de interés (ROIs)
·         la interpretación de las ROIs
·         la visualización de la preparación digital en su totalidad y a diferentes aumentos de forma ágil y rápida
·         la integración de las herramientas de análisis y visualización en entornos web colaborativos que permitan accesos múltiples y segundas consultas
 
Con el fin de crear un modelo útil para la labor asistencial del patólogo, nuestro grupo propone un modelo de gestión centralizada de la imagen digital de Anatomía Patológica, que puede basarse en muchos de los estándares y flujos de trabajo definidos en Radiología. Sin embargo, la experiencia de los grupos de trabajo de estandarización (DICOM WG26, IHE-Patología) y los primeros intentos de utilizar las soluciones empleadas en Radiología, se han encontrado con numerosas dificultades técnicas (necesidad de grandes recursos de almacenamiento y procesamiento informático, redes de comunicaciones de gran capacidad, manipulación de ficheros con varios gigabytes de tamaño, etc.), que lejos de impedir el  avance de la imagen digital en Patología, han servido para mejorar los estándares actuales y conocer la verdadera dimensión del almacenamiento en formato digital de toda la imagen médica de un hospital de unas 500 camas, que hoy en día podríamos estimar en torno a 100 TB anuales. Por ello, los Servicios de Salud de Comunidades Autónomas, como el SESCAM, en Castilla La Mancha, se están planteando evolucionar su sistema de imagen con las nuevas propuestas de DICOM para la gestión de imagen basada en JPEG2000 y en protocolo de Internet para la transferencia de imágenes JPEG2000 (JPIP).
 
Por otra parte, el Grupo de Ingeniería de Sistemas y Automática de la Escuela Técnica Superior de Ingenieros Industriales (ETSII), de la Universidad de Castilla-La Mancha (UCLM), considera necesario crear nuevos modelos de procesamiento y análisis, por ejemplo, en la detección de las ROI, que mejoren la eficiencia de las soluciones para imagen microscópica, disponibles actualmente. Con este fin los autores han desarrollado un sistema bajo tecnología Grid aplicado al diagnóstico en anatomía patológica.
 
La tecnología Grid ha permitido la integración, el acceso y la interacción entre una amplia variedad de recursos distribuidos geográficamente como por ejemplo: los superordenadores, sistemas de almacenamiento, fuentes de datos, instrumentos y dispositivos especiales y servicios (Roure, 2005). Por lo tanto las infraestructuras Grid y los servicios en red han presentado importantes retos en diferentes niveles, incluyendo: a) Modelos conceptuales de la aplicación, b) Aplicación: formulación y desarrollo, c) Programación de sistemas, d) Infraestructuras y servicios, e) Gestión de recursos, f) la creación de redes y g) Seguridad (Parashar, 2005).
 
Por otra parte, las instituciones que participan en el diagnóstico mediante WSI deben tener acceso a una variedad de fuentes de datos, información y conocimientos, para que puedan trabajar de manera eficiente (Görtler , 2006). Por esta razón, los sistemas basados en Grid son una tecnología prometedora para el diagnóstico en Anatomía Patológica. En particular, el procesamiento de imágenes médicas y la introducción de la imagen virtual WSI promoverá esta tecnología Grid para cumplir los requisitos de las aplicaciones en Anatomía Patológica.
 
El flujo de trabajo en un departamento de patología por lo general sigue una secuencia temporal para la identificación de los tejidos, producción de cortes histopatológicos, el procesado, el diagnóstico orientado al paciente, trabajo de oficina y presentación del diagnóstico final. El flujo de trabajo descrito no es un procedimiento sencillo, y puede haber varios mecanismos de retroalimentación, debido por ejemplo a la calidad y la presentación de información clínica adicional. Además, las tecnologías emergentes en patología anatómica de imágenes, es decir, la introducción de la microscopía virtual, podría ocasionar varios cambios en el flujo de trabajo de un departamento de patología. Principalmente, ofrecerá la oportunidad de interactuar con todos los mecanismos de retroalimentación directamente. Por ejemplo, los datos adicionales, la información clínica y una segunda opinión puede ser solicitada antes del diagnóstico y el informe final. El sistema de información actual en patología también cambiará para permitir el almacenamiento y la recuperación de las casos digitales, así como para incorporar el diagnóstico de bases de datos vinculadas a las imágenes (Schrader, 2006), (Kayser, 2008).
 
De acuerdo con el flujo de trabajo, varias funciones grid se pueden distinguir por lo menos en cinco niveles (Kayser, 2006). Estos niveles son los siguientes:
  • Nivel de aplicación: Laboratorio de diagnóstico y aseguramiento de la calidad, selección de casos digitales, mediciones, informes de diagnóstico digital, consulta de expertos, la historia clínica de archivo.
  • MiddleWare de Nivel de Usuario: Software y herramientas (lenguajes de programación, bibliotecas, etc ...), diagnóstico de gestión, selección de datos.
  • MiddleWare a Nivel de Núcleo: Dpto. Patología - hospitales, instituciones de servicios. Seguridad privada, las imágenes y los datos clínicos, diagnóstico de estado.
  • Gestión de los recursos locales: de laboratorio, funcionamiento de sistemas de colas, las bibliotecas, servicios de archivo, de protocolo de Internet.
  • Red de recursos (hard ware): Los ordenadores, conexiones de línea, sistemas de almacenamiento, escáneres, monitores, material para la preparación de los tejidos y casos.
 
En este trabajo vamos a explicar la aplicación implementada para Middleware de Nivel de Usuario.

 

Middleware en el diagnóstico en Anatomía Patológica    

El objetivo de la aplicación es la implementación de una aplicación basada en web accesible, eficiente y útil en el diagnóstico de patología para visualizar y analizar los diferentes tipos de formatos de imagen (JPEG, JPEG2000, TIF, GIF, BMP, PPM) a diferentes niveles de zoom. La aplicación, obviamente, también debe tener en cuenta que el tamaño de imagen digital en Patología es típicamente del orden de varios gigabytes. Al mismo tiempo, la aplicación debe dar soporte a los requisitos médicos, que es integrar herramientas de colaboración, edición y herramientas de navegación, así como pre-procesamiento de imágenes y métodos de procesamiento. La Figura 1 muestra un esquema de esta aplicación middleware.

 

  Figura 1. Esquema del sistema Middleware de Nivel de Usuario para el análisis de preparaciones virtuales en Anatomía Patológica.
Figura 1. Esquema del sistema Middleware de Nivel de Usuario para el análisis de preparaciones virtuales en Anatomía Patológica.




Arquitectura distribuída    

Los modelos de programación distribuida son la base de la mayoría de los sistemas de programación Grid. Estos modelos permiten un entorno eficiente para integrar diferentes tipos de datos y algoritmos, así como su caracterización y requisitos (Parashar, 2005).
La aplicación de programación distribuida implementado por los autores es una aplicación que combina tanto la Web como servicios Grid en torno a una arquitectura distribuida para el procesamiento de imágenes. Se hace uso de servlets de Java y Java Server Pages, así como los modelos basados en programación paralela MPI y MPI2. La aplicación da soporte a varios usuarios por medio de un servidor (Apache Tomcat) y puede ser integrada dentro de una plataforma en red. La Figura 2 muestra el sistema para integrar los servicios Web dentro de una plataforma en red.
 
El servicio basado en modelos (Web Service) existen en diversas aplicaciones frente las aplicaciones basadas en modelos de componentes que tienen sentido durante el tiempo de vida y en el contexto de una aplicación. Los servicios web son fáciles de crear, de acceder e integrar diferentes modelos de datos y programación. Por otro lado MPI (Message Passing Interface) proporciona la abstracción de mensajería que permite comunicar las entidades definidas por secuencia de modelos de programación como C y Fortran. Finalmente, la implementación de modelos de paralelización Grid, es decir MPICH-G2 y MPI-2, admite la heterogeneidad y dinamismo de utilizar los servicios de apoyo proporcionados por herramientas Globus.

 

  Figura 2. Arquitectura de Servicio Web-Grid integrada en una red para la plataforma.
Figura 2. Arquitectura de Servicio Web-Grid integrada en una red para la plataforma.




Resultados    

Para la implementación del sistema se utilizó un diseño unificado y conceptual por diagramas de caso (UML). También se realizó un diseño lógico para objetos tipo servicios y clientes por medio de diagramas UML , diseño dividido en 3 capas:
  • Funcional: dominio computacional.
  • No funcionales: rendimiento, y salida de procesamiento, etc
  • Interacción-coordinación: la presentación de la interfaz gráfica de usuario (GUI).
Arquitecturalmente, la aplicación puede dividirse en tres partes principales:
  • Visualización: microscopía virtual espectador, utilizando: a) Aplicación (Java): Protocolo de transferencia de hipertexto (HTTP) a través de TCP en el puerto 80, seguridad de instituciones externas, b) de túnel HTTP: applet de comunicación con servidores remotos, c) de la autenticación básica HTTP cliente (nombre de usuario y contraseña), d), biblioteca Java para el GUI, de intercambio de archivos de datos y de tratamiento previo.
  • Procesamiento: web servlets para procesamiento, utilizando: a) C, C + + para procesamiento paralelo de imágenes, b) .NET: Plataforma para la integración de aplicaciones web, c) Plataforma General IQL, por ejemplo INBIOMED (Pérez del Rey, 2005).
  • Almacenamiento: el almacenamiento de datos, mediante: la tecnología de Servlets, Java 2 Enterprise Edition (J2EE) y Java Server Pages (JSP), y la búsqueda de eficiencia al manipular las imágenes con tamaño de gigabytes.
 
La configuración del hardware utilizado fue arquitectura MPP con un cluster de 17 nodos interconectados mediante InfiniBand, con un procesador Intel Xeon de 3.2GHz cada nodo y 2GB de memoria RAM es l.
 
La Figura 3 muestra sesiones de trabajo del sistema implementado para la visualización, edición y análisis automático para el procesado y ayuda al diagnóstico de las preparaciones virtuales.

 

  Figura 3. Sesiones de trabajo del sistema Web de visualización y diagnóstico implementado.
a) Visualización de una preparación virtual.
Figura 3. Sesiones de trabajo del sistema Web de visualización y diagnóstico implementado. a) Visualización de una preparación virtual.


  Figure 3. b) ROI detección y diagnóstico
Figure 3. b) ROI detección y diagnóstico




Conclusiones    

Se ha descrito cómo los sistemas Grid son adecuados para cubrir las necesidades de aplicaciones biomédicas. Y cómo el uso de preparaciones virtuales dentro del flujo de trabajo en Anatomía Patológica implica la utilización de tecnología Grid, con el fin de combinar todos los recursos de información y adoptar los sistemas de digitalización de imagen microscópica dentro del entorno de trabajo del patólogo.
Así mismo se ha presentado el sistema Middleware a nivel de usuario implementado por los autores para el diagnóstico por imagen en Anatomía Patológica. El sistema de análisis de imágenes incluye diferentes operaciones de procesado que pueden ser de ayuda para el diagnóstico. El sistema tiene en cuenta aspectos de seguridad, con una infraestructura especializada con servicios diseñados para satisfacer las necesidades descritas por los especialistas en patología. Sin embargo, todavía hay margen para nuevas mejoras en el sistema. Por lo tanto, nuevas herramientas de procesamiento de imágenes en anatomía patología incluida la inteligencia artificial y los métodos de reconocimiento de patrones y procedimientos de ayuda al diagnóstico están todavía en desarrollo por los autores.

 

Agradecimientos    

Este trabajo ha sido realizado con la financiación de los ayudas para la investigación nº PAI08-0283-9663 de la Junta de Comunidades de Castilla-La Mancha y COST Action IC0604 “Euro-Telepath”.

 

Bibliografía    

García Rojo M., Bueno García G., Peces Mateos C., González García J., (2006), Critical Comparison of 31 Commercially Available Digital Slide Systems in Pathology, International Journal of Surgical Pathology; 14: 1-21.
García Rojo M, Bueno García G, González García J, Carbajo Vicente M. (2006) Preparaciones digitales en los servicios de Anatomía Patológica (I). Aspectos básicos de imagen digital. Rev Esp Patol; 38: 69-77.
García Rojo M, Bueno García G, Peces Mateos C, González García J, et al. (2005), Preparaciones digitales en los servicios de Anatomía Patológica (II). Análisis de soluciones existentes. Rev Esp Patol; 38: 207-220.
García Rojo M, (2006), Imagen Digital en Anatomía Patológica, Especial: Anatomía Patológica, I+S, (56); (56): 7:8.
Görtler J., Berghoff M., Kayser G., & Kayser K. (2006). Grid technology in tissue-based diagnosis: fundamentals and potential developments. Diagnostic Pathology. 24 August 2006, 1:23, from: http://www.diagnosticpathology.org/content/1/1/23.
Kayser K., Molnar B., & Weinstein R.S. (2006). Virtual Microscopy. Published by VSV Interdisciplinary Medical Publishing.
Kayser G., Radziszowski D., Bzdyl P., Sommer R., & Kayser K. (2006). Theory and implementation of an electronic, automated measurement system for images obtained from immunohistochemically stained slides. Anal Quant Cytol Histol, 28(1), 27-38.
Kayser K., Görtler J., Goldmann T., Vollmer E., Hufnagl P., & Kayser G. (2008). Image standards in tissue-based diagnosis (diagnostic surgical pathology). Diagnostic Pathology, 3:17 from: http://www.diagnosticpathology.org/content/3/1/17.
Martín-Sánchez F. (2006), Convergencia se Tecnologías: Nuevas Oportunidades para el Avance de La Informática y De Las Ciencias Biomédicas, Revistaesalud.Com Vol. 2, Número 6.
Parashar M., & Browne J.C. (2005). Conceptual and implementation models for the grid. Proceedings of the IEEE, 93(3), 653-668.
Pérez del Rey D., Crespo J., Pérez L.J., Dorado J., Bueno G., Feliu V., Estruch A., & Heredia J.A. (2005). Biomedical Image Processing Integration through INBIOMED: A Web Services-Based Platform. Lecture Notes in Computer Science, (LNBI) 3745, 34-43.
Roure D., Jennings N.R., & Shadbolt N.R. (2005). The semantic grid: past, present and future. Proceedings of the IEEE, 93(3), 669-681.
Schrader T., Niepage S., Leuthold T., Saeger K., Schluns K., Hufnagl P., Kayser K., & Dietel M. (2006). The diagnostic path, a useful visualisation tool in virtual microscopy. Diagnostic Pathology. doi:10.1186/1746-1596-1-40, 08 November 2006, 1:40, from: http://www.diagnosticpathology.org/content/1/1/40.

 

 

Web mantenido y actualizado por el Servicio de informática uclm. Modificado: 16/06/2015 11:37:35