Blogginnlegg 2 – Praksisutplassering hos Gades Laboratorium for patologi

Heisann!

Siden sist gang dere hørte fra oss har vi sittet 60 timer hver med å annotere kjerner inne i QuPath programmet. Når vi ble ferdig med å annotere var det på tide med å analysere annoteringene. Vi har jobbet med to markører så langt i prosjektet, disse er CD8 og PD-L1. Disse markørene skulle analyseres på forskjellige måter.

For CD8, måtte vi kjøre en positiv celledeteksjon, som ved hjelp av innstillinger via programmet sett i figur 1, markerte alle cellene i hver kjerne og anga hvilke celler som er positive. Dette kan man se på nærbilde av en kjerne i figur 2. Ut ifra dette hentet vi informasjon fra både kreftområdet og bindevevsområdet fra figur 3, og importerte verdiene til en Excel-fil, som vises i figur 4. Verdiene vi hentet ut fra denne markøren var: antall positive celler, prosenten av positive celler, positive celler per areal og arealet av de markerte områdene for både kreft- og bindevevs-området. For CD8 markøren var det viktig å markere både kreftområdet og bindevevsområdet for å analyser disse sammen.

Figur 1: Innstillinger for celledeteksjonen.

Figur 2: Nærbilde av celledeteksjonen hvor de røde cellene er positive og de blå negative.

Figur 3: Informasjonen fra celledeteksjonen.

Figur 4: Excel filen med informasjonen vi importerte fra QuPath.

Når vi var ferdige med CD8 markøren var det PD-L1 som sto for tur. Her skulle vi bare markere kreftområdet og det var intensiteten av fargingen som måtte analyseres. For å få til dette måtte vi laste ned et ferdiglaget script i QuPath som gjorde analyseringen for oss. Gjennom en del parametere beregner scriptet en H-score, som er en indikator på hvor intens fargingen er. Scriptet hentet vi fra en artikkel om kreft i munn og tunge området, hvor de analyserte det samme som vi skulle analysere. Igjen importerte vi verdiene inn i en Excel-fil. Grunnen til at vi importerer alle verdiene inn til en Excel-fil, er at man får oversikt over hvor godt hver pasient responderer på immunterapi. 

Etter vi har gjort arbeidet med å markere alle celle kjernene, analysert de og importert informasjonen til Excel-filer, tar ekspertene over. De bruker arbeidet vårt videre for å få en bedre forståelse av hvordan hver pasient responderer på ulike behandlinger. På denne måten kan man skreddersy oppfølging og tilby en mer målrettet behandling til hver enkelt kreftpasient.