Hei!

Jeg heter Malin og har nettopp begynt på mitt tredje år på medisinsk teknologi ved Universitetet i Bergen. Dette semesteret har vi praksis, og jeg har vært så heldig å få plass hos Patologi i Vest (PiV), sammen med Martine.

Patologi i Vest – et senter for anvendt digitalisering i patologitjenesten er et strategisk forskningsprogram med samarbeid mellom Helse Bergen og Helse Stavanger. Målet av prosjektet er å utvikle og implementere KI algoritmer i patologitjenesten.  Kontoret vårt er på Eitri Medical Incubator ved Haukeland universitetssykehus, hvor både jeg og Martine har fått våre egne arbeidsplasser. Her sitter vi sammen med Bergensgruppen, som er en tverrfaglig gruppe som inkluderer både dataingeniører, overleger og forskere.

Prosjektet vårt går ut på å utvikle et verktøy som automatisk overvåker og evaluerer daglige variasjoner i immunohistokjemiske farginger av hele vevssnittbilder (whole slide images – WSI) fra nyrebiopsier. Immunohistokjemi er en viktig teknikk i patologi som brukes til å påvise spesifikke proteiner eller antigener i vevsnitt, noe som er viktig for å diagnostisere sykdommer. Problemet er at variasjoner i fargingskvaliteten kan påvirke analysene og føre til feilaktige resultater, noe som gjør det nødvendig med systemer for kvalitetssikring. Derfor jobber vi med å utvikle et system som automatisk kan oppdage og evaluere slike variasjoner. Dette prosjektet har vært i gang over flere semestre, hvor tidligere med-tek studenter har lagt et solid grunnlag. Vi bygger videre på deres arbeid og håper å ta det et steg videre.

Vi har brukt den første perioden hos PiV til å sette oss inn i det arbeidet som allerede er gjort, og spesielt lære oss å bruke programmet QuPath. QuPath er et verktøy for å annotere og klassifisere celler. Med hjelp av ulike skript og modeller utviklet av med-tek studenter, kan vi klassifisere celler som «positive», «negative» eller «other». De positive cellene er de som inneholder lambda lette kjeder – en type protein som er en del av antistoffene som plasmacellene produserer. På vevssnittbilder identifiseres disse positive cellene ved at de farges med brun farge (DAB) i cytoplasmaet, mens de negative cellene farges kun med blå farge i kjernen (Hematoxylin).

Med-tek studentene som arbeidet hos PiV forrige semester, analyserte blant annet gjennomsnitt, median, minimum, maksimum og standardavvik for Hematoxylin- og DAB-verdiene i de ulike cellene. Gjennom ulike visualiseringer sammenlignet de Hematoxylin- og DAB-verdiene og fargekvaliteten på vevssnittbildene, og konkluderte med at det var en sammenheng. Jeg og Martine har jobbet videre med visualisering av fargekvaliteten ved bruk av scatterplots for å kunne styrke denne teorien. Disse resultatene kan potensielt brukes til å identifisere avvik og avsløre områder med dårlig fargekvalitet på snittene.

For meg er dette prosjektet utrolig spennende, og læringskurven har vært bratt. Selv om prosjektet har vært utfordrende til nå, er det spennende at arbeidet vårt kan bidra til forbedret diagnostikk. Vi har også vært heldige med å få ukentlige møter med Sabine, Hrafn og Mari, hvor vi får innspill på det vi har gjort, samt retning for videre arbeid. Jeg gleder meg til fortsettelsen av praksisperioden og håper at vi kan ta prosjektet flere steg videre. Neste gang jeg deler en oppdatering håper jeg å kunne dele flere fremskritt!