Comunicación Nº: 042 English version English version

Fibrosis HR, una Nueva Aplicación de Análisis Digital de Imagen para la Cuantificación Automática de la Fibrosis Intersticial y Morfología Glomerular. Diseño y Validación.

Marco Masseroli, Francisco O'Valle, Miguel Andújar, Cesar Ramírez, Mercedes Gómez-Morales, Raimundo G. Del Moral.

Comentarios

[Título] [Introducción] [Material y Métodos] [Iconografía] [Discusión] [Bibliografía] [Comentarios]

Material y Métodos

Iconografía


RESULTADOS

 

Control de Calidad


Determinación de la Intensidad de Iluminación de Captura

En la evaluación visual de la sucesión de imagenes captadas con diferentes aberturas del condensador del microscopio, todos los observadores estuvieron de acuerdo en definir el rango de aberturas del condensador de 0.35 - 0.36 como el que dio la intensidad de imagen mejor para la posterior evaluación automática. Las pruebas repetidas objetivaron un elevado acuerdo intraobservador, como muestra el porcentaje medio de acuerdo (PA) (PA: µ ± DE = 95.46 ± 5.25%, CV = DE / µ = 5.50%).

Los resultados de la umbralización automática indicaron que se obtuvo la mejor intensidad de iluminación de imagen con un rango más pequeño de aberturas del condensador que él obtenido sin la función de control de captura. En esta evaluación el PA medio mostró un buen acuerdo interobservadores (PA: µ ± DE = 89.39 ± 6.84%, CV = DE / µ = 7.65%). Una segunda evaluación, también usando la función de control de captura, rindió completo acuerdo intraobservador (PA = 100% para cada observador).

Los valores de porcentaje de fibrosis cuantificados automáticamente en la sucesión de imágenes captadas con diferentes aberturas del condensador mostraron significación estadística (ANOVA, p<0.0001). La prueba de Tukey mostró que los únicos valores de porcentaje de fibrosis que no difirieron significativamente fueron los relativos a los dos rangos de aberturas del condensador del microscopio de 0.33 - 0.34 y 0.37 - 0.38 respectivamente (prueba de Tukey, p>0.1). Por lo tanto, el rango de aberturas de 0.35 - 0.36, consideradas como óptimas por todos los observadores sin usar la función de control de captura, dio lugar a imágenes con cuantificaciones automáticas estadísticamente diferentes (prueba de Tukey, p<0.01).


Segmentación Automática de las Áreas de Fibrosis Intersticial y Matriz Mesangial

Las áreas de fibrosis intersticial y de matriz mesangial en imágenes de corteza renal umbralizadas manualmente mostraron diferencias significativas intra- e interoperadores tanto en imágenes de riñones normales como patológicos, con o sin glomérulos. Los resultados del test de ANOVA se muestran en la Tabla 1; las Figuras 4 A y B muestran la distribución de valores porcentuales de fibrosis en imágenes de riñones normales y patológicos sin glomérulos.

La Figura 5 muestra la distribución de los resultados obtenidos con cuatro métodos diferentes de umbralización automática y sus comparaciones con los valores estándar de referencia para la umbralización manual media. En imágenes de riñones normales (Figs. 5 A, C y E) sólo los métodos de Kurita y de isodata corregido consistentemente ofrecieron resultados que no difirieron significativamente de la umbralización manual media (prueba de Dunnett, p>0.1). En imágenes de riñones con cambios patológicos (Figs. 5 B, D y F), los valores de porcentaje de áreas de fibrosis y de matriz mesangial obtenidos con todos los métodos automáticos fueron distintos a los resultados de la umbralización manual media (prueba de Dunnett, p<0.01).

Las imágenes patológicas seleccionadas al azar mostró que estas presentaban una estructura compleja, con una distribución no homogenea de la fibrosis intersticial, tanto en densidad espacial como en intensidad luminosa, zonas de más fibrosis aparecían principalmente con intensidades más oscuras. Con esta falta de homogeneidad debida a la condición patológica del tejido renal, los operadores optaron por tres estrategias diferentes de umbralización manual: 1) selección de un umbral de niveles de gris alto, que resulta mejor para segmentar áreas de fibrosis en zonas de poca fibrosis, pero que incluye un exceso de área en zonas de mucha fibrosis; 2) selección de un umbral de niveles de gris bajo, que resulta mejor para segmentar áreas de fibrosis en zonas con elevada densidad de fibrosis, pero que no considera algunas áreas en zonas de fibrosis leve; 3) selección de un umbral intermedio, que permite una segmentación aceptable (aunque no la mejor) tanto en zonas con fibrosis elevada como leve.

De los cinco operadores, dos usaron la primera estrategia, dos la tercera y un operador de forma incostante usó la primera y la tercera estrategia. El análisis estadístico de los resultados agrupados según la opción utilizada demostró que estrategias diferentes producen resultados significativamente diferentes, tanto en imágenes con o sin glomérulos (prueba de Tukey, p<0.01). Por otro lado, los métodos isodata corregido y de Kurita produjeron segmentaciones comparables a las obtenidas manualmente con las estrategias dos y tres, respectivamente. Por lo tanto, para comparar los métodos automáticos con la umbralización manual media basada en las mismas estrategias, además de los valores de umbralización manual media de todos los cinco operadores (MANUAL5), se calcularon otros dos valores de referencia. Un valor representó la media de los resultados obtenidos por los dos operadores que siempre usaban la tercera estrategia (MANUAL2), y el otro valor también tuvo en cuenta al operador quien alternó entre la tercera y la primera estrategia (MANUAL3). Las Figuras 5 B, D y F muestran las distribuciones de valores de cuantificación y los resultados de las comparaciones (pruebas de Dunnett) de los métodos de Kurita e isodata corregido con cada uno de los tres valores de referencia de umbralización manual media en imágenes de riñones patológicos. El método de Kurita no difirió significativamente de los valores de umbralización manual media MANUAL2 y MANUAL3 tanto en imágenes con, como sin glomérulos mientras que el método isodata corregido sí (prueba de Dunnett, p<0.01).


Identificación Interactiva del Área Glomerular

El análisis estadístico de las cuantificaciones interactivas de áreas glomerulares no mostraró diferencias significativas intra- o interoperadores en imágenes tanto de glomérulos normales como patológicos. En la Tabla 1 se muestran los resultados del test de ANOVA, y en Figuras 4 C y D se muestra la distribución de los valores en imágenes de riñones normales y patológicos.


Segmentación Automática del Flóculo Glomerular

Los porcentajes del área de flóculo glomerular segmentada manualmente difirieron significativamente entre operadores en todos tipos de glomérulos, y entre mediciones hecha por el mismo operador en glomérulos normales. En la Tabla 1 se muestran los resultados del test de ANOVA, y en las Figuras 4 E y F se muestra la distribución de los valores en glomérulos quísticos y esclerosados.

Los porcentajes de áreas de flóculo glomerular obtenidos con el algoritmo de umbralización automática no presentaron diferencias significativas con los valores estándar de referencia para la umbralización manual media tanto en glomérulos normales como patológicos (prueba del t de Student, p>0.1 para todas las comparaciones) (Fig. 6).


Porcentajes de Área de Flóculo Glomerular

La eficacia de los dos porcentajes de áreas de flóculo glomerular (PAFG y PAFGt) en identificar entre condiciones morfológicas glomerulares diferentes se ilustra en Figura 6. El PAFG difirió significativamente entre tipos de glomérulos, mientras que PAFGt no diferenció entre glomérulos normales y esclerosados (prueba de Tukey, p>0.1)



.

Tabla 1. Cuantificación de las áreas segmentadas manualmente por cinco operadores expertos en cinco replicaciones. Resulados del ANOVA2.

Riñón normal Inter- Intra- Interactión Riñón patológico Inter- Intra- Interactión
PAFi p<0.0001 p=0.0285 p=0.0185 PAFi p<0.0001 p<0.0001 p<0.0001
PAFg p<0.0001 p=0.0020 p<0.0001 PAFg p<0.0001 p=0.2385 p=0.0001
AM p=0.0001 p=0.0014 p=0.0011 AM p=0.0069 p=0.9223 p=0.0024
AG p=0.0811 p=0.0754 p=0.0001 AG p=0.5933 p=0.7119 p=0.2334
PFG p<0.0001 p<0.0001 p<0.0001 PFG(c) p<0.0001 p=0.1412 p<0.0001
PFG(e) p<0.0001 p=0.1261 p<0.0001
PFGt p<0.0001 p=0.0001 p<0.0001 PFGt(c) p<0.0001 p=0.1314 p<0.0001
PFGt(e) p<0.0001 p=0.0710 p<0.0001

Inter-: diferencias entre operadores; Intra-: variabilidad del mismo operador; PAFi: porcentaje dle área de fibrosis en imágenes sin glomérulos; PAFg: porcentaje del área de fibrosis en imágenes con glomérulos; AM: área de matriz mesanguial; AG: área glomerular; PFG: porcentaje del área de flóculo glomerular; PFG(c): porcentaje del área de flóculo glomerular en glomérulos quísticos; PFG(e): porcentaje del área de flóculo glomerular en glomérulos esclerosados; PFGt: porcentaje del área de flóculo glomerular total; PFGt(c): porcentaje del área de flóculo glomerular total en glomérulos quísticos; PFGt(e): porcentaje del área de flóculo glomerular total en glomérulos esclerosados.


Material y Métodos

Iconografía

Marco Masseroli, Ph.D.
Copyright © 1997, Departamento de Anatomía Patológica, Facultad de Medicina y Hospital Universitario, Universidad de Granada, 18012 Granada, España. Reservados todos los derechos.