Sviluppo di un algoritmo per la segmentazione automatica di steatosi epatiche in immagini istologiche

L’esame standard per l’osservazione della presenza di grasso epatico è la biopsia epatica, soprattutto nella valutazione delle condizioni dell’organo sano nei trapianti di fegato. L’analisi istologica dei tessuti prelevati, presenta però un problema principale: i risultati dell’analisi istologica sono soggettivi, poiché, una stima visiva accurata della proporzione di fegato contenente grasso, dipende dall’esperienza del medico. La soggettività insita nelle stime causa variabilità inter o intra- osservatore e non riproducibilità. E’ quindi fondamentale sviluppare metodi automatizzati con input minimi dell’utente per una quantificazione accurata e obiettiva della steatosi. Questo lavoro di tesi propone un metodo automatico per la quantificazione delle steatosi epatiche a partire da 100 immagini istologiche di tessuto epatico. In un primo momento è stata effettuata una distinzione in base a tre tipologie di immagini: immagini con presenza di sinusoidi, immagini con regioni ingrandite ed immagini con steatosi normali. Questa prima classificazione ha permesso di attuare una specifica strategia di segmentazione, opportuna per ogni classe, simulando l’atteggiamento di analisi differente che assumerebbe il patologo di fronte alle tre diverse situazioni. La sfida principale nella segmentazione delle regioni di grasso, che si presentano di colore bianco, consiste nel distinguere queste regioni da altre zone bianche che possono essere sinusoidi, lacerazioni, vene, o altre zone chiare che fanno parte di un normale fegato sano. La caratteristica principale delle regioni di grasso è la rotondità, per cui il metodo di segmentazione proposto si avvale principalmente di parametri geometrici: l’analisi globale della geometria delle regioni bianche permette di classificare l’immagine analizzata in una delle tre categoria attraverso due parametri: il grado di sinusoidalità e l’area media delle regioni. In seguito, per ogni singola immagine, l’analisi della geometria delle singole regioni permette di valutare le singole regioni e includerle o meno tra quelle che vengono considerate macrosteatosi e microsteatosi. La valutazione delle prestazioni dell’algoritmo si ottiene confrontando le maschere provenienti dall’algoritmo con quelle manuali, ricavando valori medi di Dice di 0.82 ± 0.003 per le immagini con grandi steatosi, 0.50 ± 4.03 per le immagini con steatosi normali e 0.21 ± 0.16 per le immagini con sinusoidi. Tuttavia l’obiettivo principale è quello di valutare la quantità di grasso come percentuale del tessuto epatico occupato dalla steatosi e di confrontarla con quella delle immagini segmentate manualmente. La differenza di percentuale tra quantificazione di grasso nella segmentazione automatica e quantificazione in quella manuale, è per la gran parte delle immagini al di sotto del 2 % e la percentuale di grasso che occupa effettivamente il tessuto risulta essere sempre inferiore a quella che viene quantificata visivamente. Per quanto riguarda le performance dell’algoritmo è stato trovato che tra le misure di percentuale di steatosi identificate manualmente e quelle ottenute dall’algoritmo non vi sono differenze significative (alpha = 0.05 e p − value = 0.078).