Skaitmeninė patologija

 

                                                                                                                                                                                              EN

Skaitmeninė patologija atveria naujas galimybes taikyti dirbtinio intelekto metodus ligų diagnozei ir gydymui. Šie metodai leidžia įvertinti ir akimi nematomus požymius, suteikdami unikalios informacijos prognostiniams ligų modeliams ir klinikiniams sprendimams. Patologijos tyrimai taikomi daugelio onkologinių ir kitų ligų tyrimams, todėl dirbtiniu intelektu paremti patologijos modeliai bus svarbūs daugelyje medicinos sričių.

 

Skaitmeninės patologijos mokslo tyrimus pradėjome 2010 metais. Mūsų mokslo grupė su partneriais suformavo originalią skaitmeninės patologijos kryptį, pagrįstą šešiakampių gardelių erdvine ir daugiamate statistika bei automatizuotais algoritmais. Su komanda atlikome skaitmeninės analizės tikslumo vertinimo ir kalibravimo eksperimentus1,sukūrėme ir validavome intranavikinio biožymenų raiškos heterogeniškumo matavimų metodologiją2-4. Pastaraisiais metais sukūrėme imuninio atsako vertinimo sistemą naviko mikroaplinkoje5-7 - automatizuotai aptinkama šeimininko ir vėžio sąveikos zona (interface zone), joje pamatuojamas limfocitų tankio gradientas (immunogradient) leidžia patikimai prognozuoti vėžio progresavimo ypatumus. Daugiau: //healthcare-in-europe.com/en/news/spatial-statistics-extract-subvisual-features.html

 

Dirbdami komandoje su patologais, doktorantais, bioinformatikais, genetikais, duomenų mokslininkais, vaizdo analizės specialistais vystome metodologijas, padedančias kiekybiškai įvertinti biologines vėžio audinio savybes bei dirbtinio intelekto sprendimų palaikymo sistemas individualizuotai vėžio terapijai.

 

Daugiau: //healthcare-in-europe.com/en/news/spatial-statistics-extract-subvisual-features.html

 

              

 

Allan Rasmusson Arvydas Laurinavičius Levenson Rokas Stulpinas Aušrinė Nesterenkaitė Aida Laurinavičienė Dovilė Žilėnaitė Barbora Grinevičiūtė Your foto here? Renaldas Augulis Gedmantė Radžiuvienė Mindaugas Morkūnas Michael Shribak Aušra Garnelytė Aistė Vitkauskaitė Justinas Besusparis

Prof. Arvydas Laurinavičius su tyrėjų komanda digital@vpc.lt

 

[1] Laurinavicius A, Plancoulaine B, Laurinaviciene A, Herlin P, Meskauskas R, Baltrusaityte I, Besusparis J, Dasevicius D, Elie N, Iqbal Y, Bor C, Ellis IO: A methodology to ensure and improve accuracy of Ki67 labelling index estimation by automated digital image analysis in breast cancer tissue. Breast Cancer Research 2014, 16.

[2] Plancoulaine B, Laurinaviciene A, Herlin P, Besusparis J, Meskauskas R, Baltrusaityte I, Iqbal Y, Laurinavicius A: A methodology for comprehensive breast cancer Ki67 labeling index with intra-tumor heterogeneity appraisal based on hexagonal tiling of digital image analysis data. Virchows Archiv 2015, 467:711-22.

[3] Laurinavicius A, Plancoulaine B, Rasmusson A, Besusparis J, Augulis R, Meskauskas R, Herlin P, Laurinaviciene A, Muftah AAA, Miligy I, Aleskandarany M, Rakha EA, Green AR, Ellis IO: Bimodality of intratumor Ki67 expression is an independent prognostic factor of overall survival in patients with invasive breast carcinoma. Virchows Archiv 2016, 468:493-502.

[4] Laurinavicius A, Plancoulaine B, Herlin P, Laurinaviciene A: Comprehensive Immunohistochemistry: Digital, Analytical and Integrated. Pathobiology 2016, 83:156-63.

[5] Rasmusson A, Zilenaite D, Nestarenkaite A, Augulis R, Laurinaviciene A, Ostapenko V, Poskus T, Laurinavicius A: Immunogradient indicators for anti-tumor response assessment by automated tumor-stroma interface zone detection. Am J Pathol 2020.

[6] Zilenaite D, Rasmusson A, Augulis R, Besusparis J, Laurinaviciene A, Plancoulaine B, Ostapenko V, Laurinavicius A: Independent Prognostic Value of Intratumoral Heterogeneity and Immune Response Features by Automated Digital Immunohistochemistry Analysis in Early Hormone Receptor-Positive Breast Carcinoma. Front Oncol 2020, 10:950.

[7] Nestarenkaite A, Fadhil W, Rasmusson A, Susanti S, Hadjimichael E, Laurinaviciene A, Ilyas M, Laurinavicius A: Immuno-Interface Score to Predict Outcome in Colorectal Cancer Independent of Microsatellite Instability Status. Cancers (Basel) 2020, 12.

 

Projektai

Gilaus konteksto audinių analizė integruotam navikų ir transplantuotų inkstų patologijos modeliavimui
Išsamus biožymenų raiškos intranavikinio heterogeniškumo įvertinimas skaitmeninės imunohistochemijos vaizdo analizės būdu

 

Apie mus rašo

LRT Metų apdovanojimuose – trys mokslininkai, pretenduojantys į Metų atradimo nominaciją.

Skaitmeninė patologija: kaip medaus korio modelis padeda modeliuoti ligų gydymą.

Dirbtinis intelektas patologijoje - sprendimai individualizuotam gydymui.

Vėžio imunoterapija reikalauja plataus spektro strategijos.

Ateities medicinos keliai: inovatyvūs diagnostikos ir gydymo metodai.

Delfi: "Lietuvio vadovaujamos komandos inovacija padės kovoti su vėžiu".

LRT laidoje „Mokslo ekspresas“: vėžio diagnostikos tendencijos.

 

Skaitmeninės patologijos kongresas Vilniuje

Skaitmeninės patologijos renginiai Vilniuje: ar kompiuteris diagnozuos ligą?