Introduzione

Metodo e sistema atti ad identificare in modo automatico in un qualsiasi tessuto corporeo umano eventuali cellule malate (anche tumorali) a partire da un’immagine di nuclei cellulari marcati con immunofluorescenza acquisita tramite un microscopio confocale.

Caratteristiche Tecniche

Modo automatico per l’identificazione di eventuali cellule malate di un qualsiasi tessuto (anche cellule tumorali) a partire da una immagine che mostra nuclei cellulari marcati con la tecnica di immunofluorescenza e che è stata acquisita tramite un microscopio confocale. Metodo che aiuta anche a determinare se una cellula di interesse è malata o sana sulla base di risultati ottenuti applicando una pluralità di funzioni statistiche scelte per caratterizzare la morfologia della cellula di interesse, in cui dette funzioni statistiche sono calcolate a partire da una matrice di co-occorrenza che caratterizza la tessitura o grandezza della cellula di interesse. Nella tecnica nota non esiste nulla di simile, si riesce ad eseguire una classificazione tra cellule sane e malate di epatocarcinoma su immagini di tessuto epatico, permettendo una diagnosi precoce della neoplasia. La diagnosi non avviene individuando alterazioni del colore tissutale ma sull’alterazione morfologica e sulla variazione di texture della singola cellula.  L’algoritmo suddivide le immagini delle cellule malate/sane in apposite cartelle sul desktop in modo da poter essere, successivamente, controllate dal patologo per eventuali conferme diagnostiche ed è basato sul machine learning. Il metodo è pronto all’uso.

Possibili Applicazioni

• Ricerca in campo biologico;
• Ricerca in campo farmacologico;
• In medicina per il riconoscimento di cellule malate.

Vantaggi

• Semplicità di utilizzo in laboratori di anatomia patologica privi di computer performanti;
• Diagnosi svolta sull’alterazione morfologica e sulla variazione di texture della singola cellula;
• Diagnosi precoce della neoplasia.