Hei, jeg heter Eivind og er i praksis hos Patologi i Vest (PiV) sammen med Thea! PiV er et strategisk prosjekt i Helse Vest om anvendt digital patologi. Dette gjør de ved å blant annet utvikle automatiske bildeanalyse verktøy, optimalisere arbeidsflyten, og de skal også starte opp et eget senter for anvendt digital patologi i Helse Vest. Her blir det tatt i bruk maskinlæringsmodeller, optimaliseringsalgoritmer og det blir gjort databehandling på prosessdata.
Vår oppgave hos PiV er å lage en automatisk analyse strategi for å vurdere dag-til-dag variasjon i fargingen av ikke-neoplastiske nyrebiopsi-snitt og kontrollsnittene deres. Mer spesifikt ser vi på immunhistokjemisk (IHC) farging av lambda-lette kjeder i plasmaceller. Etter hvert kan vi også kan se på IHC farging av kappa-lette kjeder. Denne fargingen gjør at plasmacellenes cytoplasma blir farget brunt, slik det er vist på bildet under. Hensikten med prosjektet vårt vil være å kunne vurdere om fargingen av et nyrebiopsi-snitt er god nok til å kunne detektere kroniske nyresykdommer.
Hittil i praksisperioden har vi brukt mye tid på å se på «Whole Slide Images» (WSI) av kontrollsnittene i programmet QuPath. Her har vi sett på ulike måter å detektere plasmacellene som har blitt farget. Vi må også unngå å detektere bakgrunnsfarging og annen uønsket farging. Til å begynne har vi brukt en innebygd funksjon for å automatisk detektere disse plasmacellene. Vi har også prøvd å detektere basert på piksel-verdier. Dette har vi derimot gått vekk fra. Videre skal vi prøve å lage vår egen maskinlæringsmodell for å detektere plasmacellene.
Grunnen til at vi kun har sett på kontrollsnittene hittil, er fordi de har kjente, forventede farginger. To av kontrollsnittene har plasmaceller med lambda-lette kjeder, mens de to andre har ikke disse plasmacellene. Dermed kan vi vurdere om fargingen av nyrebiopsi-snittet har vært god basert på fargingen av kontrollsnittene.
Vi har også fått besøke immunlabben. Her blir både nyrebiopsi-snittene og kontrollsnittene farget. Vi fikk se hvordan snittene blir laget og håndtert gjennom hele prosessen, før de etter hvert blir skannet og havner hos oss. Vi fikk også en omvisning på resten av patologiavdelingen. Der fikk vi et innblikk i de forskjellige prosessene ulike snitt må gjennom basert på hvilke sykdommer det sjekkes for. Under kan du se en av de mange maskinene som blir brukt på patologiavdelingen!
Videre, etter vi har prøvd å lage vår egen maskinlæringsmodell, vil vi fortsette med litt bildeanalyse i Python for å se på blant annet styrken på fargingen.