Digital Patologi i praksis innen et fagfelt i Norge Årsmøtekurs Tromsø 2017 Patolog, PhD Haukeland universitetssykehus Universitet i Bergen Bergen, Norway Interesser Ikke neoplastisk nyrepatologi, GI patologi Digital patologi Strukturerte helsedata Sabine Leh
Historie
historie juni 2008 juli 2008 august 2008 september 2008 oktober 2008 november 2008 desember 2008 januar 2009 februar 2009 mars 2009 april 2009 mai 2009 juni 2009 juli 2009 august 2009 september 2009 oktober 2009 november 2009 desember 2009 januar 2010 februar 2010 mars 2010 april 2010 mai 2010 juni 2010 juli 2010 august 2010 september 2010 Forslag til IKT prosjekt iverksette digital arkivering av nyrebiopsier, gjøre dem tilgjengelig og søkbar i en bildedatabase legge tilrette for skanning av histologiske snitt til forskning og undervisning arbeid med kravspesifikasjoner begynner Aperio scanscope XT Installasjon testperiode begynner Overgang til drift april 2010 mai 2010 juni 2010 juli 2010 august 2010 september 2010 oktober 2010 november 2010 desember 2010 januar 2011 februar 2011 mars 2011 april 2011 mai 2011 juni 2011 juli 2011 august 2011 september 2011 oktober 2011 november 2011 desember 2011 januar 2012 februar 2012 mars 2012 april 2012 mai 2012 juni 2012 juli 2012
Første skanner: scanscope XT
Digital snittskanner
Digital snittskanner
2012 BGO-APP145\\images Digital snittskanner: Scanscope XT Spectrum server BGO-APP145 Norsk Nyrebiopsiregister: Digitalt snitt arkiv 5533 biopsier / 5 år 671 nyrebiopsier diagnostisert med digitale snitt SQL Server database
BGO-APP145\\images Spectrum server BGO-APP145 Lettvint kommunikasjon om patologifunn SQL Server database
Systemorganisasjon Avdeling for patologi FOU: Seksjon for ehelse Brukere Systemansvarlig Systemforvalter Hardware Helse Vest IKT MTA Leverandør
2015: Skanner no 2: Hamamatsu Nanozoomer XR Foto: Haukeland universitetssjukehus Katrine Sunde
10 gode grunner for digital patologi
Enhver digitalt snitt er kun ett museklikk unna
1 Enhver digitalt snitt er kun ett museklikk unna Dette gjelder også for historiske snitt
1 Oppløsning - god nok! 54 år gammel, mann, nefrotisk syndrom
2 71 år, kvinne nefrotisk syndrom En kan følge forandringer lettvint gjennom snittserier
3 Amyloid A kappa lambda Det er lett å sammenligne immunhistokjemiske farginger ved å legge snitt ved siden av hverandre
4 Målinger er enkelt å utføre 20 år, kvinne, nefrotisk syndrom
5 32 år, man, nyresvikt
5 32 år, man, nyresvikt
5 32 år, man, nyresvikt
5 Med annoteringer dokumenteres viktige funn 32 år, man, nyresvikt
Prepare slides Scan Read and annotate Sign out Demonstrate
6 Annoteringer gjør det let å demonstrere funn i møter
7 MDT møter
8 VPN Tilgjengelighet av digitale snitt
9 Samarbeid i forskningsprosjekter
9 Samarbeid i forskningsprosjekter Fabry sykdom scoring av inklusjoner i glomeruli
9 Samarbeid i forskningsprosjekter Podocytt inklusjoner toluidinblått farget semitynnsnitt glomerulus 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 score 3 2 3 2 4 2 1 1 3 4 3 1 2 4 3 4 4 3 4 3 3 1 2 2 2 diameter
10 Ryddig arbeidsplass Fuji P27T-6, 2560x1440, 3.7 Mill Pixel, dot pitch 0.23
10 Ryddig arbeidsplass Fuji P27T-6, 2560x1440, 3.7 Mill Pixel, dot pitch 0.23
Problemer
Begrensning: polarisasjon
Digital patologi trenger perfekte objektglass
Hver skanner har sin egen fargetone Scanscope XT Nanozoomer XR Mikroskop
Performance problemer
Fokusproblemer
Muligheter
Digital patologi den grunnleggende endringen 40 Mikroskopiske snitt blir tilgjengelig hvor som helst når som helst Haukeland universitetssjukehus Katrine Sunde Nasjonal IKT Konseptstudie digital patologi
Digital patologi 41 Lettvint konsultasjon Oslo universitetssykehus Bettina Casati Haukeland universitetssjukehus Katrine Sunde Nasjonal IKT Konseptstudie digital patologi
Digital patologi Rett prøve til rett patolog til rett tid Hudpatologi 42 Melanomer Mammapatologi Lymfoid og hematologisk patologi Lunge- og øre nese hals patologi Ikke-neoplastisk nyrepatologi Gynekologisk patologi Urologisk patologi Perinatal patologi og placenta Ben- og bløtvevspatologi Nevropatologi Obduksjon Molekylær patologi Haukeland universitetssjukehus Katrine Sunde Cytologi Nasjonal IKT Konseptstudie digital patologi
Bildeanalyse eksempel 1 Ki-67 neuroendokrin tumor Aperio image analysis toolkit Nazanin Mola, Haukeland universitetssykehus
Bildeanalyse eksempel 2 Tarig Osman, Renal Research Group, Universitetet i Bergen C 5b-9 i membranøs glomerulonefritt
Mønstergjenkjenning Liu et al. Detecting Cancer Metastases on Gigapixel Pathology Images. 2017
Mønstergjenkjenning Google Research Blog Mars 2017
Mønstergjenkjenning Google Research Blog Mars 2017
Undervisning http://webmicroscope01.uio.no/slidecollections/uib/nyrepatologi
49 Hva betyr digital patologi for leger i spesialisering? Å ha tilgang til en nasjonal undervisningsdatabase Nasjonal IKT Konseptstudie digital patologi
Til slutt
Digital patologi vil forandre måten vi arbeider på Patologiavdelinger vil også være IT bedrifter vi må lære oss grunnleggende kunnskaper innenfor IT og bildehåndtering/-analyse Vi må bidra i utviklingen