Desarrollo de un software para detectar y cuantificar la marcación por inmunohistoquímica en biopsias

Abstract

Para la detección de los niveles de expresión de proteínas en biopsias humanas y tejidos provenientes de modelos experimentales, se utiliza la técnica de inmunohistoquímica (IHQ). Esta técnica es de elección por patólogos e investigadores para estudiar biomarcadores relacionados con el desarrollo del cáncer y de otras patologías en tejidos. Ante la necesidad de estandarizar la cuantificación de los niveles de expresión del biomarcador y atendiendo a recomendaciones de sociedades biomédicas, nos propusimos como objetivo el desarrollo de un software que permitiera la detección y cuantificación de los niveles de expresión de proteínas por IHQ. Se emplearon biopsias humanas de gliomas y carcinomas de colon, cabeza y cuello, pulmón, tiroides y mama provenientes de hospitales de Bahía Blanca. Además, se emplearon muestras provenientes de modelos animales singeneicos y de xenotransplantes. Las muestras fueron procesadas mediante la técnica de IHQ para determinar la expresión de varias proteínas de interés de diagnóstico asistencial y de investigación. La digitalización de los cortes histológicos a distintos aumentos se realizó empleando microscopio Olympus CX31 acoplado a sistema de captura de imágenes. Las muestras fueron previamente semicuantificadas por el método IRS (immunoreactive score): producto de la multiplicación del valor de intensidad de la coloración marrón (0-3) y el número de células positivas marcadas (0-4), por tres observadores independientes. Se separaron las biopsias en IRS alto (IRS=12 a 9), moderado (IRS=8,9 a 4), bajo (IRS=3,9 a 1) y nulo (IRS<1), para el desarrollo del software. Utilizando el lenguaje Python se entrenó un modelo de aprendizaje supervisado (Random Forest) con diferentes regiones de interés y desinterés. El desempeño del modelo se refleja en una matriz de confusión. Se propone una disposición, para mediante la digitalización de las muestras y herramientas de inteligencia artificial, enseñarle al software a detectar los núcleos celulares, segmentar la zona de interés alrededor de esta organela y relacionar la cantidad de marcación positiva con el total de la imagen. El desarrollo de un software que permita la correcta detección y cuantificación de células positivas para la reacción de IHQ, complementa la labor del investigador en la determinación del IRS, reduciendo los márgenes de errores humanos y acelerando los tiempos del análisis de tejidos inmunomarcados.