Evaluarea histologică a cancerului colorectal (CRC – Colorectal Cancer) reprezintă un element esențial în planificarea tratamentului pacienților. Tradițional, patologii scanează manual țesuturile pentru a identifica vizual limitele unor structuri precum invazia adenocarcinomatoasă, implicarea stromală și diferitele grade de displazie. Acest proces este însă laborios și supus variabilității inter-observator — experți diferiți pot ajunge la concluzii diferite cu privire la limitele exacte ale acelorași regiuni.

Abordarea bazată pe inteligență artificială propusă de acest serviciu reduce subiectivitatea și oboseala umană prin furnizarea unei hărți de segmentare standardizate și reproductibile la nivelul întregii lame histologice. Prin automatizarea delimitării vizuale a stromei, glandelor normale și regiunilor maligne sau displazice, sistemul acționează ca un ghid de referință obiectiv, evidențiind imediat regiunile critice și permițând clinicienilor să se concentreze pe sinteza diagnostică de nivel înalt, nu pe scanarea manuală exhaustivă.

Serviciul aplică un pipeline de deep learning pentru segmentarea morfologică automată a cancerului colorectal în imagini de tip Whole Slide Image (WSI). Segmentarea se realizează la nivel de pixel, cartografiind vizual micromediul tumoral și structurile glandulare, iar rezultatul este un overlay tip heatmap suprapus direct pe lamă, accesibil într-un mediu colaborativ de patologie digitală.

Ce analizează serviciul

Sistemul AI procesează automat imaginea histologică și furnizează:

• Detecție automată a țesutului — identifică și maschează automat zona relevantă de țesut de pe lamă, ignorând artefactele de fundal pentru a optimiza procesul de inferență
• Segmentare multi-clasă — clasifică pixelii de țesut în una dintre cele cinci categorii histologice distincte: stromă, adk_invasion (adenocarcinom), high_grade, low_grade și normal_gland
• Mediu colaborativ — rezultatele sunt disponibile pe o platformă dedicată de patologie digitală (Cytomine), care permite revizuirea remote în timp real, navigarea pe lamă și discuția multi-utilizator

Cui se adresează

Serviciul este destinat:

• Patologilor și gastroenterologilor care doresc să identifice eficient regiunile histologice cheie și să reducă volumul de muncă manual aferent scanării lamelor
• Cercetătorilor clinici care au nevoie de o segmentare vizuală standardizată a claselor de țesut CRC pentru studii colaborative și adnotare sistematică

Date de intrare

Serviciul acceptă imagini digitale de patologie în format Whole Slide Image (WSI) — .svs

Fișierele WSI sunt imagini histologice de înaltă rezoluție obținute prin scanarea digitală a lamelor de biopsie sau rezecție.

Rezultate

Modelul AI procesează lama histologică și generează un heatmap interactiv — un overlay codificat color suprapus direct pe imaginea WSI, reprezentând vizual cele cinci clase de țesut detectate. Fiecare regiune a lamei primește o culoare corespunzătoare categoriei histologice identificate, oferind o vedere de ansamblu imediată asupra distribuției spațiale a structurilor tumorale și glandulare.

Rezultatele sunt accesibile printr-un vizualizator web de patologie digitală, care permite navigarea fluidă pe lamă (zoom/pan), activarea și dezactivarea heatmap-ului, adnotare manuală, adăugarea de notițe și colaborarea cu alți utilizatori ai platformei.

Cum se accesează serviciul

Serviciul rulează pe o platformă dedicată de patologie digitală (Cytomine), accesibilă prin contul instituțional cu aceleași credențiale utilizate pe platforma RNCC (Keycloak).

Flux de utilizare:

• Accesați platforma folosind butonul de mai jos
• Autentificați-vă folosind utilizatorul admin si parola password
• Încărcați fișierul WSI în format .svs
• Sistemul rulează automat detecția țesutului, preprocesarea și inferența modelului
• După finalizarea procesării, navigați pe lamă, explorați heatmap-ul, adnotați și colaborați cu ceilalți utilizatori ai platformei