Sviluppo di un algoritmo automatico di tracking per cellule in immagini microscopiche = Development of an automatic tracking algorithm for cells in microscopic images

Durante i trattamenti oncologici è possibile che una piccola popolazione di cellule cancerogene riesca a sopravvivere alla terapia entrando in uno stato di lenta proliferazione reversibile conosciuto come stato Drug-Tolerant Persister (DTP). In questo stato le cellule DTP sono in grado di sopravvivere abbastanza da sviluppare un meccanismo di resistenza ai farmaci talmente forte da renderli inefficaci, permettendo così una nuova insorgenza e sviluppo della malattia. Risulta perciò evidente l’importanza che lo studio di questo tipo di cellule abbia nella lotta al cancro. Lo scopo di questo lavoro di tesi è infatti quello di tenere sotto stretta osservazione le cellule DTP, studiandone l’evoluzione e i cambiamenti durante un lungo periodo di tempo, acquisendo circa ogni 10 minuti un’immagine di microscopia a contrasto di fase da colture cellulari sottoposte a trattamenti oncologici. Per farlo è stato sviluppato un algoritmo di tracking automatico in grado di tenere traccia della posizione di ogni singola cellula per tutto il periodo di studio, in modo da poterne osservare il comportamento individuale. La difficoltà intrinseca del tracciamento cellulare, dovuta ai frequenti cambiamenti morfologici e già ampiamente trattata in letteratura, risulta in questo caso ulteriormente complicata dall’elevato numero e concentrazione di cellule presenti in ogni immagine, situazione ricorrente in colture di cellule tumorali. L’algoritmo sviluppato è in grado di effettuare il tracciamento di un elevato numero di cellule dal frame corrente al successivo, utilizzando uno specifico score per l’assegnazione delle label. Lo score è il risultato della combinazione di informazioni morfologiche e posizionali che caratterizzano in maniera univoca ogni cellula, che non hanno variazioni di grande entità tra un frame e il successivo, ma che risultano importanti se osservate durante tutto il periodo di studio. Seppur non ancora nella sua versione definitiva, l’algoritmo dimostra che è possibile indagare il comportamento individuale delle cellule DTP in un campione di grosse dimensioni per un lungo periodo di tempo e si pone come punto di partenza per sviluppi futuri basati su sistemi più complessi, quali ad esempio l’intelligenza artificiale e in particolare il deep learning.