Colorazione virtuale dei tessuti in 3D

Rudolf Virchow ha rivoluzionato la medicina quando, nel^XIX secolo, ha formulato la sua teoria cellulare della malattia: le malattie non insorgono inspiegabilmente all’interno dell’organismo, ma piuttosto in cellule e tessuti specifici. Ancora oggi la patologia – lo studio dei processi patologici – si basa essenzialmente sull’esame, che richiede molto tempo, di sottili sezioni di tessuto, che vengono colorate e poi osservate al microscopio.

Ora un gruppo di ricerca internazionale presso l’Istituto Paul Scherrer (PSI) è riuscito a superare questo limite bidimensionale. Utilizzando la microtomografia computerizzata ad alta risoluzione (µCT) e l’intelligenza artificiale, un gruppo guidato dal fisico Goran Lovric del Centro per la Scienza dei Fotoni del PSI ha generato colorazioni virtuali di campioni di tessuto, le cosiddette colorazioni istologiche. Ciò potrebbe potenzialmente eliminare la necessità di preparare e colorare sezioni ultrasottili e delicate. «Abbiamo dimostrato per la prima volta che una colorazione virtuale basata sulla TC può fornire risultati simili a quelli dell’istologia convenzionale di laboratorio», spiega Lovric. «Ciò potrebbe aprire la strada a una vasta gamma di applicazioni cliniche e scientifiche».

I familiari indicatori cromatici dell’istologia

I ricercatori hanno combinato la micro-TC a contrasto di fase ad alta risoluzione (PCµCT) con metodi di apprendimento automatico. La piattaforma si chiama VISTACT – abbreviazione di «colorazione virtuale mediante micro-tomografia computerizzata». Mentre la tomografia computerizzata convenzionale misura principalmente le differenze di densità dei raggi X, la micro-TC a contrasto di fase utilizza ulteriori informazioni sui raggi X, ottenendo così una visualizzazione significativamente migliore dei tessuti molli. Ciò consente la visualizzazione tridimensionale di strutture anatomiche fini su scala micrometrica – finora, tuttavia, solo in scala di grigi. In patologia, tuttavia, gli specialisti sono addestrati a interpretare i tipici contrasti cromatici delle colorazioni istologiche convenzionali: i nuclei cellulari appaiono blu-violetti, il collagene rosa e le fibre elastiche scure. Molti di questi punti di riferimento visivi vanno persi nei set di dati TC in scala di grigi.

«Abbiamo quindi voluto trasferire il familiare mondo cromatico dell’istologia ai dati TC tridimensionali», spiega Lovric. Per raggiungere questo obiettivo, i ricercatori hanno addestrato un modello di IA specializzato utilizzando coppie di sezioni istologiche reali e le corrispondenti scansioni TC. In questo modo il modello di IA ha appreso quali modelli microscopici ricevono tipicamente quale colorazione. È stato quindi in grado di colorare virtualmente nuovi dati TC – essenzialmente una traduzione automatica tra due mondi di immagini.

Localizzazione più precisa

Un passo tecnico cruciale è stata la mappatura precisa delle immagini. Le sezioni istologiche hanno uno spessore di pochi micrometri e possono facilmente subire distorsioni durante il sezionamento o il montaggio. Inoltre, è essenziale determinare esattamente dove si trova ciascuna sezione all’interno del set di dati TC tridimensionale. Il gruppo di ricerca di Lovric ha sviluppato un processo in più fasi che identifica automaticamente lo strato corrispondente e lo confronta con i dati istologici. Secondo i ricercatori, questa mappatura spaziale è significativamente più precisa rispetto ai precedenti metodi standard.

Per eseguire la colorazione virtuale, i ricercatori hanno utilizzato una cosiddetta rete generativa avversaria condizionale (CGA), un modello di intelligenza artificiale specializzato nella traduzione da immagine a immagine. Utilizzando come input immagini in scala di grigi provenienti da scansioni micro-TC, il modello ha generato campioni istologici virtuali. È degno di nota il fatto che l’IA non abbia prodotto semplicemente aree di colore approssimative, ma piuttosto componenti tissutali plausibilmente differenziati di vario tipo: il sangue nei vasi capillari appariva giallastro, le strutture di collagene rosa e le superfici nei polmoni di colore da grigio a viola.

Il test sul tessuto polmonare fornisce la prova di concetto

I ricercatori hanno testato il loro nuovo metodo su tessuto polmonare prelevato da soggetti affetti da ipertensione polmonare. Questa patologia comporta un rimodellamento patologico dei vasi polmonari. «Siamo riusciti a mappare le regioni vascolari alterate in tre dimensioni», afferma Cristina Almagro-Pérez. È la prima autrice della nuova pubblicazione e ha lavorato nel gruppo di Goran Lovric durante la stesura della sua tesi di master. Attualmente svolge attività di ricerca negli Stati Uniti.

La nuova tecnica può essere automatizzata e funziona in modo significativamente più veloce rispetto al metodo attuale. Tuttavia, non è ancora pronta per l’uso di routine negli ospedali: l’imaging a contrasto di fase necessario è stato eseguito presso la linea di luce TOMCAT della Swiss Light Source SLS, una delle grandi strutture di ricerca del PSI. I volumi di dati risultanti erano enormi e la risoluzione era spesso insufficiente per rappresentare in modo affidabile i singoli nuclei cellulari.

Inoltre, l’istologia virtuale rimane una ricostruzione statistica: la piattaforma di intelligenza artificiale non genera informazioni istologiche effettive, ma piuttosto previsioni plausibili basate sui dati di addestramento. Almagro-Pérez e Lovric sottolineano che la procedura non ha ancora raggiunto la qualità diagnostica di routine. Tuttavia, la «prova di concetto» è stata dimostrata e il metodo è, in linea di principio, applicabile all’esame di varie patologie. Soprattutto nell’esame di tumori, lesioni vascolari o architetture tissutali complesse, questa forma di patologia 3D non distruttiva ha il potenziale di accelerare la ricerca sui biomarcatori delle malattie e quindi di aprire, a lungo termine, nuove prospettive diagnostiche.

A più di 150 anni dall’avvento della patologia cellulare di Virchow, l’istologia potrebbe trovarsi nuovamente sull’orlo di una trasformazione fondamentale.