علم الأمراض الرقمي

📅 آخر تحديث: ٤ أغسطس ٢٠٢٦
✍️ نُشر في: ٤ أغسطس ٢٠٢٦
📷 يحتوي على 10 صور
الموسوعة الحرة
يُعد علم الأمراض الرقمي جزءًا رئيسيًا من معلوماتية علم الأمراض ، ويشمل مواضيع مثل مسح الشرائح، والتصوير الرقمي، وتحليل الصور، وعلم الأمراض عن بعد .

علم الأمراض الرقمي هو فرع من فروع علم الأمراض يركز على إدارة وتحليل المعلومات المُستخرجة من شرائح العينات المُرقمنة . ويستخدم هذا الفرع تقنيات الحاسوب والمجهر الافتراضي لعرض الشرائح الرقمية وإدارتها ومشاركتها وتحليلها على شاشات الحاسوب. [ 1 ] ولهذا المجال تطبيقات في الطب التشخيصي، ويهدف إلى تحقيق تشخيصات وتنبؤات وتوقعات أكثر كفاءة وفعالية من حيث التكلفة للأمراض، وذلك من خلال تطوير تقنيات التعلم الآلي والذكاء الاصطناعي في مجال الرعاية الصحية . [ 2 ] [ 3 ]

تاريخ

تعود جذور علم الأمراض الرقمي إلى ستينيات القرن الماضي مع التجارب المبكرة في علم الأمراض عن بُعد. وبرز مفهوم المجهر الافتراضي في تسعينيات القرن الماضي في مختلف مجالات أبحاث علوم الحياة. [ 4 ] ومع مطلع القرن، ازداد اتفاق المجتمع العلمي على مصطلح "علم الأمراض الرقمي" للدلالة على جهود الرقمنة في علم الأمراض. ومع ذلك، في عام 2000، كانت المتطلبات التقنية (الماسح الضوئي، والتخزين، والشبكة) لا تزال تشكل عائقًا أمام الانتشار الواسع لمفاهيم علم الأمراض الرقمي. وقد تغير هذا الوضع مع ظهور تقنيات مسح ضوئي جديدة قوية وبأسعار معقولة، بالإضافة إلى تقنيات التخزين السحابي/الضخم في السوق. وشهد مجال الأشعة تحولًا رقميًا منذ ما يقرب من 15 عامًا، ليس لأن الأشعة أكثر تقدمًا، ولكن لوجود اختلافات جوهرية بين الصور الرقمية في الأشعة وعلم الأمراض الرقمي: فمصدر الصورة في الأشعة هو المريض (الحي)، واليوم في معظم الحالات، يتم التقاط الصورة بشكل أساسي بتنسيق رقمي. في علم الأمراض، يُجرى المسح الضوئي من عينات محفوظة ومعالجة، وحتى من شرائح مخزنة في بنك حيوي لإجراء الدراسات الاسترجاعية . وبالإضافة إلى هذا الاختلاف في البيانات الوصفية والتحليلات الأولية ، فإن مساحة التخزين المطلوبة في علم الأمراض الرقمي أعلى بمقدار مئتي إلى ثلاث مئة ضعف مقارنةً بعلم الأشعة. ومع ذلك، فإن المزايا المتوقعة من علم الأمراض الرقمي مماثلة لتلك الموجودة في علم الأشعة.

  • القدرة على نقل الشرائح الرقمية عبر المسافات بسرعة، مما يتيح سيناريوهات علم الأمراض عن بعد.
  • القدرة على الوصول إلى العينات السابقة من نفس المرضى والحالات المماثلة للمقارنة والمراجعة، بجهد أقل بكثير من استرجاع الشرائح من رفوف الأرشيف.
  • القدرة على مقارنة مناطق مختلفة من شرائح متعددة في وقت واحد (وضع الشريحة تلو الأخرى) بمساعدة مجهر افتراضي.
  • القدرة على إضافة تعليقات توضيحية مباشرة على الشريحة ومشاركة ذلك لأغراض التدريس والبحث.

يُستخدم علم الأمراض الرقمي اليوم على نطاق واسع لأغراض تعليمية [ 5 ] في علم الأمراض عن بُعد والاستشارات الطبية عن بُعد ، بالإضافة إلى المشاريع البحثية. يتيح علم الأمراض الرقمي مشاركة الشرائح وشرحها بطريقة أسهل بكثير، كما أن تحميل مجموعات المحاضرات المشروحة يُتيح فرصًا جديدة للتعلم الإلكتروني وتبادل المعرفة في علم الأمراض. يُعدّ علم الأمراض الرقمي في التشخيص مجالًا ناشئًا وواعدًا.

بيئة

مسح ضوئي

ماسح ضوئي لشرائح المجهر.
مقارنة جودة صورة الشريحة الكاملة، حيث تظهر على اليسار شريحة تم مسحها ضوئيًا بعدسة تكبير 20x وحجمها حوالي 0.8 جيجابايت، وعلى اليمين شريحة تم مسحها ضوئيًا بعدسة تكبير 40x وحجمها حوالي 1.2 جيجابايت. تُظهر كل صورة خلية دم حمراء.

تُصنع الشرائح الرقمية من شرائح زجاجية باستخدام أجهزة مسح ضوئي متخصصة. يجب أن تكون جميع عمليات المسح الضوئي عالية الجودة خالية من الغبار والخدوش وأي عوائق أخرى. هناك طريقتان شائعتان لمسح الشرائح الرقمية ضوئيًا: المسح الضوئي القائم على التجانب والمسح الضوئي القائم على الخطوط. [ 6 ] تستخدم كلتا التقنيتين كاميرا مدمجة ومنصة آلية لتحريك الشريحة أثناء تصوير أجزاء من النسيج. تلتقط الماسحات الضوئية القائمة على التجانب صورًا مربعة الشكل تغطي كامل مساحة النسيج على الشريحة، بينما تلتقط الماسحات الضوئية القائمة على الخطوط صورًا للنسيج على شكل شرائط طويلة متصلة بدلًا من التجانب. في كلتا الحالتين، يقوم برنامج مرتبط بالماسح الضوئي بدمج التجانب أو الخطوط معًا لتكوين صورة واحدة متكاملة.

التصوير المقطعي Z هو مسح شريحة عند مستويات بؤرية متعددة على طول المحور الرأسي z. [ 7 ]

منظر

يمكن الوصول إلى الشرائح الرقمية لعرضها عبر شاشة الكمبيوتر وبرامج العرض، سواءً محليًا أو عن بُعد عبر الإنترنت. ومن الأمثلة على برامج العرض مفتوحة المصدر والمبنية على الويب والمخصصة لهذا الغرض، والمكتوبة بلغة جافا سكريبت ، والمتوفرة لأجهزة سطح المكتب والهواتف المحمولة، برنامج OpenSeadragon [ 8 ] . يُعدّ QuPath [ 9 ] برنامجًا آخر مفتوح المصدر، ويُستخدم غالبًا في تطبيقات علم الأمراض الرقمي لما يوفره من مجموعة أدوات قوية للتعامل مع صور الشرائح الكاملة. أما MIKAIA lite [ 10 ] فهو برنامج عرض مجاني يُستخدم بكثرة لتحويل الشرائح دفعةً واحدة أو قصّها، وتحويل تنسيقات التعليقات التوضيحية، وإنشاء التعليقات التوضيحية (قصّ، دمج، طرح، إضافة هوامش، تصغير/تكبير)، أو تصدير المربعات مع الأقنعة لإنشاء مجموعات بيانات تدريب الذكاء الاصطناعي. من جهة أخرى ، OpenSlide [ 11 ] مكتبة مكتوبة بلغة C ( تتوفر أيضًا روابط بلغة بايثون وجافا ) توفر واجهة بسيطة لقراءة وعرض صور الشرائح الكاملة.

يدير

يتم الاحتفاظ بالشرائح الرقمية في نظام إدارة المعلومات (IMS) [ 12 ] الذي يسمح بالأرشفة والاسترجاع الذكي.

شبكة

غالباً ما يتم تخزين الشرائح الرقمية وإرسالها عبر الإنترنت أو الشبكات الخاصة، لعرضها والاطلاع عليها.

تحليل

تُستخدم أدوات تحليل الصور لاستخلاص مقاييس كمية موضوعية من الشرائح الرقمية. وتُستخدم خوارزميات تجزئة الصور وتصنيفها ، والتي غالبًا ما تُنفذ باستخدام الشبكات العصبية العميقة ، لتحديد المناطق والأجسام ذات الأهمية الطبية على الشرائح الرقمية. وقد طُوّر برنامج لتسريع معالجة الصور المرضية باستخدام وحدة معالجة الرسومات (GPU)، حيث يُجري مقارنة شاملة للحدود المكانية لكمية هائلة من الأجسام التشريحية الدقيقة المُجزأة. [ 13 ] وقد اعتُمدت الخوارزمية الأساسية لبرنامج PixelBox في مكتبة العناصر الهندسية الأساسية (GPP) من Fixstars [ 14 ] كجزء من NVIDIA Developer، وهو محرك هندسي إنتاجي لأنظمة المعلومات الرسومية المتقدمة، وأتمتة التصميم الإلكتروني ، وحلول رؤية الحاسوب وتخطيط الحركة . [ 15 ] يستخدم التلوين النسيجي الافتراضي شبكات عصبية مُدرّبة لإنشاء صبغات نسيجية رقميًا من صور الأنسجة غير المصبوغة أو لتحويل نوع صبغة إلى آخر؛ وقد وُصفت هذه الطرق بأنها امتداد لعلم الأمراض الرقمي، على الرغم من أن استخدامها السريري للتشخيص الأولي يتطلب مزيدًا من التحقق. [ 16 ]

مثال مبسط لتدريب شبكة عصبية في الكشف عن الأجسام الخلوية : يتم تدريب الشبكة باستخدام صور متعددة معروفة بتصويرها للخلايا الحميدة (أعلى اليسار) والخلايا السرطانية (أسفل اليسار)، والتي ترتبط بـ"عُقد" تمثل الجوانب المرئية، وفي هذه الحالة حجم النواة ونمط الكروماتين. تتطابق الخلايا الحميدة مع النوى الصغيرة والكروماتين ذي الحبيبات الدقيقة، بينما تتطابق معظم الخلايا السرطانية مع النوى الكبيرة والكروماتين ذي الحبيبات الخشنة. ومع ذلك، فإن وجود خلية سرطانية ذات كروماتين دقيق يُنشئ ارتباطًا ضعيفًا بينهما.
تشغيل الشبكة لاحقًا على صورة مُدخلة (يسار): تكتشف الشبكة الخلية الحميدة بشكل صحيح. مع ذلك، فإن الارتباط الضعيف بين الكروماتين الدقيق والخلايا السرطانية يُعطي إشارة ضعيفة للأخيرة من إحدى العقدتين الوسيطتين. إضافةً إلى ذلك، يتوافق وعاء دموي (أسفل اليسار) لم يُدرج في التدريب جزئيًا مع أنماط النوى الكبيرة والكروماتين الخشن، مما ينتج عنه إشارات ضعيفة لخلية السرطان. قد تؤدي هذه الإشارات الضعيفة إلى نتيجة إيجابية خاطئة لخلية سرطانية.

دمج

تم دمج سير العمل الرقمي في علم الأمراض ضمن بيئة التشغيل العامة للمؤسسة. ومن المتوقع أن يؤدي رقمنة الشرائح إلى تقليل عدد الشرائح الروتينية التي تتم مراجعتها يدويًا، مما يزيد من كفاءة العمل.

مشاركة

يُتيح علم الأمراض الرقمي أيضًا تبادل المعلومات عبر الإنترنت لأغراض التعليم والتشخيص والنشر والبحث. وقد يتخذ ذلك شكل مجموعات بيانات متاحة للعموم أو الوصول المفتوح المصدر إلى خوارزميات التعلم الآلي .

ملفات الشرائح الرقمية

يعتمد علم الأمراض الرقمي بشكل أساسي على ملفات الشرائح الرقمية، والمعروفة أيضًا بصور الشرائح الكاملة (WSIs)، التي تحتوي على تمثيلات عالية الدقة لشرائح المجهر بأكملها. تُمكّن هذه الملفات من التشخيص عن بُعد، والتحليل الحاسوبي، والتعليم، والأرشفة على نطاق ومرونة لا يُمكن تحقيقهما باستخدام الشرائح الزجاجية التقليدية. يؤثر التصميم التقني لهذه الصيغ على قابلية التشغيل البيني ، والأداء، وإدارة البيانات على المدى الطويل ، وسير العمل التحليلي اللاحق. بشكل عام، تنقسم صيغ ملفات الشرائح الرقمية إلى فئتين رئيسيتين: صيغ خاصة طورتها شركات تصنيع الأجهزة لأجهزة المسح الضوئي الخاصة بها، وصيغ قابلة للتشغيل البيني مصممة لتسهيل التوافق بين المنصات وتبادل البيانات المفتوح. [ 19 ]

تنسيقات خاصة

تُطوّر شركات تصنيع الأجهزة تنسيقات شرائح رقمية خاصة لتحسين الأداء والوظائف لأنظمة المسح الضوئي الخاصة بها. عادةً ما تُوسّع هذه التنسيقات حاويات الصور القياسية بهياكل بيانات وصفية مخصصة، وأنظمة ضغط، ونماذج تنظيمية مصممة خصيصًا للنهج التقني لكل مُصنِّع. صُممت تنسيقات الشركات المصنّعة لتحسين مجموعات الميزات في أنظمتها الأصلية، وهي تُشكّل تحديات فيما يتعلق بحفظ البيانات على المدى الطويل، والتوافق عبر المنصات، وسير عمل التحليل المحايد للبائعين. [ 20 ] تشمل هذه التحديات سيناريوهات التقييد بمورد واحد حيث تُصبح المؤسسات مُعتمدة على أنظمة أجهزة وبرامج مُحددة، وصعوبات في نقل البيانات بين منصات مختلفة، وزيادة تكاليف صيانة سلاسل الأدوات الخاصة المتعددة . [ 21 ]

SVS (أبيريو)

يُعدّ تنسيق SVS (التخزين الرقمي للشرائح والعرض)، الذي طورته شركة Aperio (التابعة الآن لشركة Leica Biosystems )، أحد أكثر تنسيقات الشرائح الرقمية استخدامًا في علم الأمراض السريري والبحثي. تعتمد ملفات SVS على معيار صور TIFF ، مع توسيعه لدعم أهرامات الصور متعددة الدقة . يدعم هذا التنسيق دقة صور متعددة ضمن ملف واحد، حيث تُخزّن كل دقة كصورة مُجزأة. الصورة الأساسية (الأولى) هي دائمًا الصورة الملتقطة بدقة كاملة. تمثل الصور الفرعية صورًا عامة مُصغّرة ، وصورة مصغرة ، وصورة ماكرو اختيارية أو ملصقًا ممسوحًا ضوئيًا للشريحة الزجاجية. [ 22 ]

إن دي بي آي (هاماماتسو)

NDPI هو تنسيق تصوير شرائح كاملة خاص بشركة هاماماتسو ، يعتمد على صيغة TIFF، ويجمع بين هرم TIFF القياسي متعدد المجلدات وامتدادات مخصصة لعرض الوصول العشوائي ومعالجة البيانات الوصفية. يدمج هذا التنسيق شرائح مضغوطة بصيغة JPEG داخل ملفات IFDs الخاصة بصيغة TIFF ، ويستخدم نطاقات علامات خاصة لفهارس الإزاحة وعلامات إعادة التشغيل، ويضع نظرة عامة شاملة في المجلد الأخير - كل ذلك بدون ملفات فهرسة منفصلة. هرم TIFF متعدد الدقة: تمثل ملفات IFDs منفصلة كل مستوى تكبير؛ وتوجد النظرة العامة ذات الدقة الأدنى (الشاملة) في المجلد الأخير. شرائح مضغوطة بصيغة JPEG مع علامات إعادة التشغيل: تُخزن بيانات الصورة كشرائح مضغوطة بصيغة JPEG. تُمكّن علامات إعادة التشغيل من فك تشفير الشرائح الفردية بشكل قوي وعشوائي. تحتفظ شركة هاماماتسو بعلامات TIFF خاصة (65420–65449+) لتسجيل إزاحات الشرائح، وبتات الإزاحة ذات الترتيب الأعلى، وفهارس علامات إعادة التشغيل، والبيانات الوصفية الخاصة بالشرائح مثل معلمات المسح الضوئي. [ 23 ] [ 24 ] [ 25 ] [ 26 ]

Philips iSyntax

يُعدّ تنسيق iSyntax، الذي طورته شركة Philips لأنظمة IntelliSite Pathology Solution وUltra Fast Scanner، تنسيقًا خاصًا لتصوير الشرائح الكاملة (WSI) مصممًا لدمج جودة الصورة الطبية لتنسيق JPEG 2000 مع سرعة واستجابة JPEG. على عكس تنسيقات TIFF التقليدية القائمة على الهرم، يستخدم iSyntax نظام ضغط متعدد الدقة قائم على الموجات. تم تحسين هذا التنسيق للترميز وفك الترميز في الوقت الفعلي، مع مرحلة ترميز إنتروبيا مبسطة - تعتمد على الارتباط المحلي ومُرمِّز حسابي - وهي أسرع من EBCOT الخاص بتنسيق JPEG 2000 ، ولكن بزيادة في حجم الملف بنسبة 10% تقريبًا. [ 27 ]

تُخزَّن البيانات الوصفية في iSyntax في بنية خاصة يمكن الوصول إليها عبر حزمة تطوير البرامج (SDK) الخاصة بـ Philips Pathology. ونظرًا لمواصفاتها المغلقة، فإن التوافق مع المكتبات المحايدة للبائعين مثل OpenSlide غير مدعوم بشكل أصلي، ويتطلب الوصول إليها من جهات خارجية عادةً حزمة تطوير البرامج الرسمية أو أدوات التحويل.

PHN (شركة فارمانيست)

يُعدّ PHN تنسيق ملف مفتوح مصمم لتخزين ومشاركة بيانات علم الأمراض الرقمية على مستوى الألياف الفردية (كائنات الألياف)، مع التركيز بشكل خاص على ألياف الكولاجين والتليف المستخرج من صور الأنسجة الكاملة. يمكن استخلاص الألياف (كائنات الألياف) من تحليل صور البروتينات الليفية الأخرى مثل الإيلاستين واللامينين والفيبرونيكتين... لكل صورة من صور علم الأمراض الرقمية، يحتوي ملف PHN على الإحداثيات المكانية والقياسات وأقنعة تجزئة على مستوى البكسل وبيانات تحليل نسيج الألياف ومناطق الاهتمام (عند الاقتضاء)، مما يُتيح مشاركة البيانات [ 28 ] .

تتوافق ملفات PHN مع مجموعات بيانات البيولوجيا المكانية الأخرى، مما يتيح (أ) إجراء تحليل مكاني مبتكر للهياكل الليفية البيولوجية، أو (ب) دمج مجموعات البيانات المكانية لربط الطرائق البيولوجية - مثل تحليل الخلية المفردة [ 29 ] - وعلم الأنسجة. من الناحية التقنية، تستخدم ملفات PHN الامتداد .phn وتُبنى كملفات ZIP قياسية. تحتوي هذه الملفات على ملفات JSON سهلة القراءة (للبيانات الوصفية والقياسات) مع ملفات NumPy .npz فعّالة (لأقنعة التجزئة). يُخزَّن كل ليف ككائن مستقل، بما في ذلك هندسته، ومربعه المحيط، وخصائصه الكمية، مما يسمح بإعادة بناء دقيقة للسياق المكاني الكامل عبر النسيج.

تم تصميم PHN ليكون شفافًا وقابلًا للتشغيل البيني بحيث يمكن مشاركة بيانات التليف أحادي الألياف وإعادة إنتاجها وتحليلها بسهولة عبر منصات مختلفة دون الاعتماد على أنظمة خاصة.

تنسيقات أخرى خاصة

تشمل الأمثلة الإضافية BIF (ملف صور BioImagene، من Roche )، وMRXS (من 3DHistech)، وSCN (من Leica القديمة)، وVMS/VMU (من أنواع Hamamatsu الأخرى)، وغيرها، ومعظمها يتبع نماذج هيكلية مشابهة لـ TIFF أو BigTIFF، ويضيف علامات خاصة، ويُضمّن محتوى بيانات وصفية فريدًا. يُساهم تنوّع التنسيقات الخاصة، ونقص التوثيق العام، وتطوّر حزم تطوير البرامج (SDKs) الخاصة بالبائعين، في تحديات تتعلق بإمكانية الوصول الشامل والتوافق الكامل للأدوات.

تنسيقات قابلة للتشغيل البيني

استجابةً لانتشار الصيغ الاحتكارية والطلب المتزايد على حلول علم الأمراض الرقمي واسعة النطاق ومتعددة المراكز والمدعومة بالذكاء الاصطناعي، طوّر المجتمع العلمي مجموعة من صيغ الصور المتوافقة المصممة خصيصًا للحفظ طويل الأمد والتحليل عالي الأداء. ومن أبرز هذه الصيغ: DICOM لتصوير الشرائح الكاملة، و OME-TIFF ، و Iris File Extension ، حيث توفر كل منها مزايا رئيسية لمشاركة البيانات عبر المنصات المختلفة ، وتوحيد البيانات الوصفية، وتكامل سلسلة الأدوات. [ 30 ] [ 31 ]

التصوير الرقمي والاتصالات في الطب (DICOM)

تم توسيع معيار DICOM ، الذي طُوِّر في الأصل للأشعة، لدعم تصوير الشرائح الكاملة (WSI)، مع تعريفات شاملة لأهرامات الصور المُجزأة، وبيانات التعريف المرجعية، وسير عمل التصوير المعقد. وقد قدم الملحق 145 من معيار DICOM تعريف كائن المعلومات (IOD) لصور المجهر للشرائح الكاملة (VL Whole Slide Microscopy Image) [ 32 ] ، مما يُتيح تخزين صور علم الأمراض الكبيرة متعددة الدقة كمجموعات من الإطارات (البلاطات) ضمن سلسلة DICOM واحدة. تشمل الميزات الرئيسية ما يلي:

  • تتألف الأهرامات متعددة الدقة من ملفات كائنات صور منفصلة تمثل كل مستوى دقة ضمن دليل واحد لكل شريحة
  • دعم ضغط تنسيقات JPEG و JPEG 2000 (J2K)
  • مستويات Z وقدرات التصوير متعدد القنوات لتصوير العمق والبيانات الوصفية المرتبطة بها
  • ترميز البيانات الوصفية المنظمة باستخدام علامات سمات DICOM القياسية للحصول على معلومات عينة قابلة للتكرار ومعايير اكتساب البيانات
  • نظام إحداثيات مرجعي مع تحديد المواقع المكانية القائم على الانزلاق (X، Y، Z) وعلامات إطار مرجعي
  • دعم كامل ومتفرق للتقسيم إلى مربعات لتنظيم البيانات بمرونة

تعتمد العديد من إجراءات العمل السريرية معيار DICOM WSI كصيغة مرجعية طويلة الأمد، ويعود ذلك جزئياً إلى المتطلبات التنظيمية والحاجة إلى قابلية التشغيل البيني الموحدة بين المؤسسات والمنصات. [ 33 ] [ 34 ]

مع ذلك، لا تزال هناك تحديات عديدة. قد يُضيف ترميز DICOM WSI عبئًا حسابيًا إضافيًا، ويعود ذلك جزئيًا إلى بنيته متعددة الأجزاء، مما يجعل العرض الفوري داخل برامج العرض أكثر صعوبة من التنسيقات الاحتكارية أو تلك التي تركز على الأداء. [ 35 ] علاوة على ذلك، وُجهت انتقادات لـ DICOM باعتباره مواصفة ملف متجانسة تفرض قيودًا معمارية وتحد من الخيارات التقنية. [ 36 ] [ 37 ] تُسهّل أدوات التحويل، مثل wsidicomizer وخادم Orthanc WSI وبرنامج TIFFToDicom من PixelMed، عملية الانتقال من التنسيقات القديمة إلى الأرشيفات المتوافقة مع DICOM. [ 38 ] [ 39 ]

OME-TIFF (بيئة المجهر المفتوحة TIFF)

يُعدّ OME-TIFF تنسيقًا مفتوحًا وقابلًا للتوسيع، طوّره اتحاد بيئة المجهر المفتوح (OME) لتلبية احتياجات البيانات والبيانات الوصفية في التصوير الحيوي الحديث. [ 40 ] وهو يُوسّع بنية TIFF الكلاسيكية - مع مكتبتها الواسعة ودعم أدواتها - من خلال تضمين بيانات وصفية مُهيكلة بتنسيق OME-XML ضمن وسوم TIFF، وتحديدًا ضمن حقل ImageDescription في دليل ملفات الصور الأول (IFD). ويُتيح اتحاد OME مواصفات الملف. [ 41 ] تشمل الميزات الرئيسية ما يلي:

  • دعم متعدد الدقة الهرمية : يستخدم تنسيق OME-TIFF آلية SubIFD الخاصة بتنسيق TIFF (الوسم 330) لتمثيل أهرامات الصور، مما يدعم التنقل السريع بين الصور. يمكن لكل مستوى استخدام ضغطه الخاص ( JPEG ، JPEG 2000، إلخ)، كما يدعم امتدادات BigTIFF لأحجام الملفات الكبيرة.
  • قابلية توسيع البيانات الوصفية: OME- XML هي لغة بيانات وصفية تركز على المخطط، قادرة على تمثيل مصدر التصوير (مثل المجهر، والعدسة، والكاشف)، وطريقة الاكتساب، وتعيين الإحداثيات، وتفاصيل التجربة. يتم توحيد سمات مثل أطوال موجات القنوات، ومؤشر Z ، والنقطة الزمنية، والهدف لضمان قابلية التشغيل البيني.
  • تعدد الأبعاد: يدعم مجموعات Z، والسلاسل الزمنية، والتصوير متعدد القنوات، وتنظيم البيانات ثلاثية/رباعية الأبعاد.
  • نظام OME البيئي: توفر مكتبة Bio-Formats Java وخادم OMERO إمكانيات القراءة/الكتابة والإدارة لصور OME-TIFF، مع دعم تحليل سطح المكتب بواسطة QuPath و Fiji / ImageJ وغيرها.
  • التحقق والأرشفة: تم تحديد التنسيق بشكل مفتوح، مما يجعله مناسبًا لإدارة بيانات البحث على المدى الطويل، وتقديم الطلبات التنظيمية، وسير عمل الذكاء الاصطناعي القابل للتكرار.

يُستخدم تنسيق OME-TIFF على نطاق واسع في أبحاث علم الأمراض الأكاديمية، حيث تُعطى الأولوية لتكامل البيانات الوصفية الشاملة وخطوط معالجة التحليل. توفر مكتبة Bio-Formats Java وخادم OMERO إمكانيات القراءة والكتابة والإدارة، مع دعم تحليل سطح المكتب بواسطة QuPath وFiji/ImageJ. [ 42 ] يُسهّل الكود مفتوح المصدر الوصول الواسع إلى ملفات OME-TIFF عبر مختلف المنصات. [ 43 ]

امتداد ملف Iris (IFE)

امتداد ملف Iris ( IFE) هو تنسيق حاوية ثنائي حديث لصور الشرائح الكاملة، طُوِّر في جامعة ميشيغان . يعتمد IFE على تقنية تسلسل الأداء الحديثة، ويتضمن مفاهيم TIFF المألوفة ، ويعالج قيود الأداء في التنسيقات الحالية من خلال بنية مُحسَّنة مصممة خصيصًا لعمليات الملفات عالية السرعة وعرض الشرائح المحلي بكفاءة. يُمكِّن هذا التنسيق من قراءة سريعة وعشوائية الوصول، وكتابة ترميز الملفات متعددة الخيوط على نطاق واسع، مع الحفاظ على التوافق من خلال إجراءات التحقق. [ 44 ] المواصفات متاحة بالكامل بموجب ترخيص Creative Commons Attribution-No Derivative 4.0. [ 45 ]

تشمل الميزات الرئيسية ما يلي:

  • جداول إزاحة البلاطات الثنائية المُرتبطة بالذاكرة والتي تُمكّن الوصول العشوائي المباشر دون الحاجة إلى فهرسة إضافية
  • دعم الضغط الحديث لتنسيقات الصور القديمة JPEG والحديثة AVIF
  • أجزاء البيانات الوصفية المشفرة ثنائياً والتي تخزن واصفات الشرائح، ومعلمات الاكتساب، والإحداثيات المكانية
  • التحقق من سلامة الملفات والأقسام مع الكشف المبكر عن التلف
  • كتل التعليقات المضمنة للتسلسل الأصلي لمناطق الاهتمام
  • بنية كتابة متوازية متعددة الخيوط تسمح بتشفير البلاطات وتفريغها في وقت واحد
  • نظام بيئي مفتوح المصدر: يوفر برنامج Iris Codec (مع وحدة WebAssembly ) وخادم Iris RESTful عمليات نشر شبكات عالية الأداء وأدوات لتحويل التنسيقات وتحديث الملفات. [ 46 ]
  • رؤوس مُرقّمة الإصدارات مع علامات مميزة تضمن التوافق مع الإصدارات السابقة واللاحقة

تُدمج تقنية IFE البيانات الوصفية المنظمة والتعليقات التوضيحية جنبًا إلى جنب مع بيانات البكسل، مما يُتيح التحقق المتكامل ومعالجة مناطق الاهتمام ضمن ملف واحد. يفصل تصميم هذه التقنية تحليل البيانات الوصفية عن استرجاع البكسل، ويستخدم مناطق مُخزّنة في الذاكرة لتحقيق أوقات وصول مُحسّنة للبلاطات مقارنةً بتنسيقات WSI التقليدية. تتوفر تطبيقات متعددة المنصات بلغات C ++ [ 47 ] و Python [ 48 ] و JavaScript ، مع أدوات التحقق من المواصفات التي تدعم انتشارها على نطاق واسع. [ 49 ]

التحديات

يُعدّ النسيج العظمي عرضةً بشكل خاص لتشوهات الطي . في هذه الصورة المجهرية ، تُركّز الكاميرا التلقائية على طية (يسار الصورة)، مما ينتج عنه تشوه في التركيز (ضبابية) النسيج المحيط (يمين الصورة).
في هذه الحالة، لا يوجد تمييز واضح بين الخلايا السرطانية والخلايا السدوية الكبيرة المحيطة بها ، مما يتطلب تحديد الحدود قبل تطبيق أدوات التحديد الكمي التلقائي للصبغة.

وافقت إدارة الغذاء والدواء الأمريكية على استخدام علم الأمراض الرقمي للتشخيص الأولي. [ 50 ] استندت الموافقة إلى دراسة متعددة المراكز شملت 1992 حالة، حيث أظهرت أن تصوير الشرائح الكاملة (WSI) لا يقل كفاءة عن الفحص المجهري عبر نطاق واسع من عينات علم الأمراض الجراحية وأنواع العينات والصبغات. [ 51 ] وبحلول منتصف عام 2025، تمت الموافقة على حوالي 50 نظام ذكاء اصطناعي لعلم الأمراض الرقمي للاستخدام التشخيصي الأولي (CE-IVD / CE-IVDR) في الاتحاد الأوروبي . [ 52 ] على الرغم من مزايا تصوير الشرائح الكاملة عند إنشاء بيانات رقمية من الشرائح الزجاجية، إلا أنه ليس الخيار الأمثل لتطبيقات علم الأمراض عن بُعد في الوقت الفعلي، خاصةً عند مناقشة وتعاون أخصائيي علم الأمراض عن بُعد. [ 53 ] علاوة على ذلك، وعلى عكس الأشعة الرقمية حيث كان إلغاء الأفلام واضحًا من حيث العائد على الاستثمار ، فإن العائد على الاستثمار في معدات علم الأمراض الرقمي أقل وضوحًا. تشمل أقوى مبررات العائد على الاستثمار تحسين جودة الرعاية الصحية ، وزيادة كفاءة أخصائيي علم الأمراض، وخفض تكاليف التعامل مع الشرائح الزجاجية. [ 54 ]

تصديق

يُعدّ التحقق من صحة سير عمل المجهر الرقمي في بيئة محددة (انظر أعلاه) أمرًا بالغ الأهمية لضمان الأداء التشخيصي العالي لأخصائيي علم الأمراض عند تقييم صور الشرائح الكاملة الرقمية. توجد طرق مختلفة يمكن استخدامها في عملية التحقق هذه. [ 55 ] وقد نشرت كلية أخصائيي علم الأمراض الأمريكيين دليلًا إرشاديًا يتضمن الحد الأدنى من المتطلبات للتحقق من صحة أنظمة تصوير الشرائح الكاملة لأغراض التشخيص في علم الأمراض البشري. [ 56 ]

محتمل

يقوم أخصائيو علم الأمراض المدربون عادةً بفحص شرائح الأنسجة تحت المجهر. وقد تُصبغ هذه الشرائح لإبراز التراكيب الخلوية. عند رقمنة الشرائح، يُمكن مشاركتها عبر علم الأمراض عن بُعد ، وتُحلل رقميًا باستخدام خوارزميات حاسوبية. تُستخدم هذه الخوارزميات لأتمتة العد اليدوي للتراكيب، أو لتصنيف حالة الأنسجة كما هو الحال في تصنيف الأورام. كما يُمكن استخدامها للكشف عن خصائص الانقسامات الخلوية، والخلايا الظهارية، أو التراكيب النسيجية المحددة مثل عقيدات سرطان الرئة، والكبيبات، والأوعية الدموية، أو لتقدير المؤشرات الحيوية الجزيئية مثل الجينات المتحولة، وعبء الطفرات الورمية ، أو التغيرات الجينية. [ 57 ] [ 58 ] [ 59 ] وهذا من شأنه أن يقلل من الخطأ البشري ويُحسّن دقة التشخيص. كما يُمكن مشاركة الشرائح الرقمية بسهولة، مما يزيد من إمكانية استخدام البيانات في التعليم وفي الاستشارات بين أخصائيي علم الأمراض الخبراء. يُمكّن التصوير المتعدد (صبغ عدة مؤشرات على الشريحة نفسها) أخصائيي علم الأمراض من فهم التوزيع الدقيق لأنواع الخلايا ومواقعها النسبية. [ 60 ] إن فهم التوزيع المكاني لأنواع الخلايا أو المؤشرات والمسارات التي تُعبّر عنها، يُتيح وصف أدوية مُستهدفة أو بناء علاجات مُركبة بطريقة مُخصصة.

انظر أيضاً

مراجع

  1. ↑ بانتانوفيتز، ل. (2018). "عشرون عامًا من علم الأمراض الرقمي: نظرة عامة على المسار الذي تم قطعه، وما يلوح في الأفق، وظهور الأرشيفات المحايدة للبائعين" . مجلة معلوماتية علم الأمراض . 9 40. doi : 10.4103/jpi.jpi_69_18 . PMC 6289005. PMID 30607307 .  
  2. ↑ "التصوير بالشرائح الكاملة | إم بي إف للعلوم الحيوية" . www.mbfbioscience.com . تاريخ الاسترجاع: 2019-12-02 .
  3. ^ سيلارد ، تشارلي. دوبوا، ريمي؛ تشيتا، أسامة؛ لويسو، نيكولاس؛ جارسيا، تييري. أدريانسن، أوريلي؛ نجار، سيفيرين؛ ريري، جويل. إنيا، ديانا؛ فون لوجا، كاتارينا؛ كمون، أوريلي؛ روسات، ستيفان؛ ويسكارت، كورنتين؛ سيفتا، مريم؛ أوفريت ، مايكل (2023/11/06). "التحقق من صحة MSIntuit كأداة فحص مسبقة قائمة على الذكاء الاصطناعي للكشف عن MSI من شرائح أنسجة سرطان القولون والمستقيم" . اتصالات الطبيعة . 14 (1): 6695. بيب كود : 2023NatCo..14.6695S . دوى : 10.1038/s41467-023-42453-6 . PMC 10628260 . PMID 37932267 .  
  4. ↑ فيريرا، ر؛ مون، ج؛ همفريز، ج؛ سوسمان، أ؛ سالتز، ج؛ ميلر، ر؛ ديمارزو، أ (1997). " المجهر الافتراضي" . المجلة الرومانية لعلم التشكل وعلم الأجنة . 45 : 449-453 . PMC 2233368. PMID 9357666 .  
  5. ↑ هاميلتون، بيتر دبليو؛ وانغ، يينهاي؛ مكولوغ، ستيفن جيه. (أبريل 2012). "المجهر الافتراضي وعلم الأمراض الرقمي في التدريب والتعليم" . APMIS . 120 (4): 305-315 . doi : 10.1111/j.1600-0463.2011.02869.x . PMID 22429213 . 
  6. ↑ "علم الأمراض المعلوماتي والرقمي والحاسوبي" .
  7. ↑ إيفانز إيه جيه، سلامة إم إي، هنريكس دبليو إتش، بانتانوفيتز إل (2017). "تطبيق التصوير بالشرائح الكاملة للأغراض السريرية: قضايا يجب مراعاتها من منظور المستخدمين الأوائل" . أرشيف علم الأمراض وطب المختبرات . 141 (7): 944-959 . doi : 10.5858/arpa.2016-0074-OA . PMID 28440660 . 
  8. ↑ OpenSeadragon على GitHub
  9. ↑ QuPath على GitHub
  10. ↑ MIKAIA® lite [برامج كمبيوتر]. رريد:SCR_025081. www.mikaia.ai
  11. ↑ موقع OpenSlide الإلكتروني
  12. ↑ برونز، فولكر (9 يوليو 2024). "مقصورة أخصائي علم الأمراض الرقمي: أنظمة إدارة الصور" . رؤى الاستشعار الذكي . تم الاسترجاع في 7 أغسطس 2025 .
  13. ↑ وانغ، كايبو؛ هواي، ين؛ لي، روباو؛ وانغ، فوشنغ؛ تشانغ، شياودونغ؛ سالتز، جويل هـ. (2012). "تسريع مقارنة بيانات صور علم الأمراض على أنظمة هجينة من وحدة المعالجة المركزية ووحدة معالجة الرسومات" . وقائع مؤسسة VLDB . 5 (11): 1543-1554 . doi : 10.14778/2350229.2350268 . PMC 3553551. PMID 23355955 .  
  14. ↑ "العناصر الهندسية الأساسية للأداء (GPP)" . مطور NVIDIA .
  15. ↑ "رسالة إلى كايبو وانغ" (ملف PDF) .
  16. ↑ باي، بيجي؛ يانغ، شيلين؛ لي، يوزو؛ بيلار، نير؛ أوزكان، أيدوغان (3 مارس 2023). "التلوين النسيجي الافتراضي للعينات البيولوجية باستخدام التعلم العميق" . الضوء: العلوم والتطبيقات . 12 (57) . تم الاطلاع عليه بتاريخ 28 يوليو 2026 .
  17. ↑ لورينسو بي سي، غيماريش-تيكسيرا سي، فلوريس بي سي تي، ميراندا-غونسالفيس الخامس، غيماريش آر، كانتانتي إم، وآخرون . (2022). "لا يرتبط تعبير Ki67 و LSD1 في أورام الخلايا الجرثومية في الخصية بنتيجة المريض: التحقيق باستخدام خوارزمية علم الأمراض الرقمية" . حياة . 12 (2): 264. بيب كود : 2022الحياة...12..264 L . دوى : 10.3390/life12020264 . بمك 8875543 . بميد 35207551 .   - الشكل 2 - متاح بموجب ترخيص: Creative Commons Attribution 4.0 International
  18. ↑ كروز-روا أ، جيلمور هـ، باسافانهالي أ، فيلدمان م، غانيسان س، شيه ن.ن.س، وآخرون (2017). "الكشف الدقيق والقابل للتكرار عن سرطان الثدي الغازي في صور الشرائح الكاملة: نهج التعلم العميق لتحديد مدى انتشار الورم" . تقارير علمية 7 46450. رمز Bibcode : 2017NatSR...746450C . doi : 10.1038/srep46450 . PMC 5394452. PMID 28418027 .   "هذا العمل مرخص بموجب رخصة المشاع الإبداعي نَسب المُصنَّف 4.0 الدولية."
  19. ↑ "حل تحديات التنسيقات الخاصة في سير عمل علم الأمراض الرقمي" . أنظمة ديكوم .
  20. ↑ "حل تحديات التنسيقات الخاصة في سير عمل علم الأمراض الرقمي" . أنظمة ديكوم .
  21. ↑ بانتانوفيتز، ل. (2018). "عشرون عامًا من علم الأمراض الرقمي: نظرة عامة على المسار الذي تم قطعه، وما يلوح في الأفق، وظهور الأرشيفات المحايدة للبائعين" . مجلة معلوماتية علم الأمراض . 9 40. doi : 10.4103/jpi.jpi_69_18 . PMC 6289005. PMID 30607307 .  
  22. ↑ فايز، شكيل (3 أكتوبر 2024). "ملف SVS - صورة شريحة Aperio ScanScope - ما هو ملف .svs وكيفية فتحه؟" . docs.fileformat.com .
  23. ^ “تنسيق هاماماتسو” .
  24. ^ “تنسيق هاماماتسو” . openlide.org .
  25. ↑ "وثائق Hamamatsu ndpi — Bio-Formats 6.0.1" .
  26. ↑ اتحاد OME. "وثائق Hamamatsu ndpi — Bio-Formats 6.0.1" . docs.openmicroscopy.org .
  27. ^ مليكي، نيتا. كارتاسالو، كيمو؛ أولسون، هنريك. جي، شياويى. إيجيفاد، لارس؛ إكلوند، مارتن؛ روسوفوري، بيكا (5 نوفمبر 2021). "OpenPhi: واجهة للوصول إلى صور شرائح Philips iSyntax الكاملة لعلم الأمراض الحسابية" . المعلوماتية الحيوية . 37 (21): 3995-3997 . دوى : 10.1093/المعلوماتية الحيوية/btab578 . بمك 8570784 . بميد 34358287 .  
  28. ↑ تصنيف أنماط تليف الكبد وتقييم شدته من خلال التحليل الكمي لصور شرائح الخزعة. واتسون وآخرون. مجلة الكبد الدولية، 27 نوفمبر 2023، DOI: 10.1111/liv.15768
  29. ↑ النمط الظاهري القائم على الذكاء الاصطناعي لمورفولوجيا الألياف الكبدية لإبلاغ التغيرات الجزيئية في مرض الكبد الدهني المرتبط بخلل التمثيل الغذائي. فوجيوارا، ناوتو؛ ماتسوشيتا، يوكي؛ تيمباكو، مينا؛ تاتشي، يوتارو؛ كيمورا، جينكي؛ إيزوكا، كيورا؛ هاياتا، يوكي؛ كاوامورا، ساتوشي؛ إيغوتشي، أكيكو؛ ناكاتسوكا، تاكوما؛ ساتو، ماسايا؛ أونو، أتسوشي؛ موراكامي، إيسوكي؛ تسوجي، ماساتاكا؛ أوكا، شيرو؛ هاياشي، أكينوبو؛ هيروكاوا، يوشيفومي؛ واتانابي، ماساتوشي؛ باريك، نيهار د.؛ سينجال، أميت G.؛ ماريرو، خورخي A.؛ هوشيدا، يوجين؛ ميزونو، شوجو؛ تاتيشي، ريوسوكي؛ كويكي، كازوهيكو؛ فوجيشيرو، ميتسوهيرو؛ ناكاغاوا، هاياتو. علم الكبد. ٢٢ أبريل ٢٠٢٥. Doi.org/10.1097/HEP.0000000000001360
  30. ↑ "علم الأمراض الرقمي في خدمة DICOM في خدمات بيانات الصحة Azure" .
  31. ↑ "علم الأمراض الرقمي في خدمة DICOM في خدمات بيانات Azure الصحية" . learn.microsoft.com .
  32. ↑ NEMA. "التصوير المقطعي الكامل للشرائح بتقنية DICOM (WSI)" . تم الاطلاع عليه بتاريخ 19 أغسطس 2025 .
  33. ↑ "القسم يرتقي بعلم الأمراض الرقمي إلى مستوى جديد - CAP TODAY" . 16 يناير 2025.
  34. ↑ باكستون، آن (16 يناير 2025). "القسم يرتقي بعلم الأمراض الرقمي إلى مستوى جديد - مجلة CAP TODAY" . المجلد 2025. مجلة CAP Today . تاريخ الاسترجاع: 19 أغسطس 2025 . 
  35. ↑ لاندفاتر، رايان إريك؛ أولب، مايكل ديفيد؛ يوسف، مصطفى؛ باليس، يوليسيس (أغسطس 2025). " امتداد ملف Iris" . مجلة معلوماتية علم الأمراض . 18 100461. doi : 10.1016/j.jpi.2025.100461 . PMC 12309590. PMID 40740735 .  
  36. ↑ جيرشكوفيتش، بيتر (مايو 2025). " ارتداء معطف من الفرو في فصل الصيف: هل ينبغي لعلم الأمراض الرقمي إعادة تعريف التصوير الطبي؟" . مجلة معلوماتية علم الأمراض . 18 100450. doi : 10.1016/j.jpi.2025.100450 . PMC 12446971. PMID 40979690 .  
  37. ↑ جيرشكوفيتش، بيتر (مايو 2025). " ارتداء معطف من الفرو في فصل الصيف: هل ينبغي لعلم الأمراض الرقمي إعادة تعريف التصوير الطبي؟" . مجلة معلوماتية علم الأمراض . 18 100450. doi : 10.1016/j.jpi.2025.100450 . PMC 12446971. PMID 40979690 .  
  38. ↑ "حل تحديات التنسيقات الخاصة في سير عمل علم الأمراض الرقمي" .
  39. ↑ "علم الأمراض الرقمي في خدمة DICOM في خدمات بيانات الصحة Azure" .
  40. ↑ "تنسيق OME-TIFF — وثائق نموذج بيانات OME وتنسيقات الملفات 5.6.3" .
  41. ↑ "مواصفات OME-TIFF - وثائق نموذج بيانات OME وتنسيقات الملفات 5.6.3" .
  42. ↑ لي، روجر؛ غولت، ديفيد؛ لينكرت، ميليسا؛ بوريل، جان ماري؛ مور، جوش؛ بيسون، سيباستيان؛ سويدلو، جيسون ر. (2017). "ملفات OME - مكتبة مرجعية مفتوحة المصدر لنموذج بيانات OME-XML الوصفية وتنسيق ملف OME-TIFF". bioRxiv 10.1101/088740 . 
  43. ↑ "Codelibre / Ome / Ome-files · GitLab" .
  44. ↑ لاندفاتر، رايان إريك؛ أولب، مايكل ديفيد؛ يوسف، مصطفى؛ باليس، يوليسيس (أغسطس 2025). " امتداد ملف Iris" . مجلة معلوماتية علم الأمراض . 18 100461. doi : 10.1016/j.jpi.2025.100461 . PMC 12309590. PMID 40740735 .  
  45. ↑ "امتداد ملف شريحة Iris الرقمية - المواصفات الفنية لبنية الملف" (ملف PDF) . مؤرشف من الأصل (ملف PDF) بتاريخ 24-08-2025.
  46. ↑ "IrisDigitalPathology/Iris-RESTful-Server" . Iris Digital Pathology. 28 يوليو 2025.
  47. ↑ "IrisDigitalPathology/Iris-Codec" . GitHub .
  48. ↑ "Iris-Codec: مكتبة ضغط وتسلسل صور الشرائح الكاملة المحمولة والسريعة للغاية لملحق ملف Iris" .
  49. ↑ "IrisDigitalPathology/Iris-File-Extension" . GitHub .
  50. ↑ «إدارة الغذاء والدواء الأمريكية تسمح بتسويق أول نظام تصوير شرائح كاملة لعلم الأمراض الرقمي» (بيان صحفي). إدارة الغذاء والدواء الأمريكية . ١٢ أبريل ٢٠١٧. تاريخ الاطلاع: ٢٤ مايو ٢٠١٧ .
  51. ^ موخوبادهياي، سانجاي؛ فيلدمان، مايكل د.؛ أبليس، استير؛ أشفق، رحيلة؛ بلطايفة، سندا؛ كاتشيابيف، نيكولاس ج؛ كاثرو، هيلين ب. تشنغ، ليانغ. كوبر، كوماراسين؛ ديكي، جلين E.؛ جيل، ريان م. هيتون، روبرت ب. كيرستينز، رينيه. ليندبرج، جاي م؛ مالهوترا، رينو ك.؛ ماندل، جيمس دبليو. مانلوكو، إلين د.؛ ميلز، آن م. ميلز، ستايسي E.؛ موسكالوك، كريستوفر أ؛ نيليس، ميشا؛ باتيل، ديبا T.؛ برزيبيسين، كريستوفر ج؛ رينولدز، الأردن P .؛ روبن، بريان ب. صبوريان، محمد ح. ساليكرو، موريسيو؛ سامولس، مارك أ. ستورجيس، تشارلز د.؛ تيرنر، كيفن أو.؛ ​​ويك، مارك ر.؛ يون، جي واي.؛ تشاو، بو؛ تايلور، كلايف ر. (يناير 2018). "التصوير المقطعي الكامل مقابل الفحص المجهري للتشخيص الأولي في علم الأمراض الجراحية: دراسة متعددة المراكز، معماة، عشوائية، غير أدنى ، شملت 1992 حالة (دراسة محورية)" . المجلة الأمريكية لعلم الأمراض الجراحية . 42 (1): 39-52 . doi : 10.1097/PAS.0000000000000948 . PMC 5737464. PMID 28961557 .  
  52. ↑ برونز، فولكر (15 يوليو 2025). "شركات الذكاء الاصطناعي في علم الأمراض الرقمي - قائمة شركات الذكاء الاصطناعي التجارية (CE-IVDR، FDA، RUO)" . رؤى الاستشعار الذكي . تم الاطلاع عليه في 7 أغسطس 2025 .
  53. ↑ سيجل، غابرييل؛ ريغلمان، دان؛ مارونبوت، روبرت؛ روزنستوك، موتي؛ هاياشي، شيمو؛ نيسكا، أبراهام (أكتوبر 2018). "استخدام نظام علم الأمراض عن بُعد المبتكر في الدراسات ما قبل السريرية ومراجعة الأقران" . مجلة علم الأمراض السمية . 31 (4): 315-319 . doi : 10.1293/tox.2018-0032 . PMC 6206289. PMID 30393436 .  
  54. ↑ "كيفية بناء دراسة جدوى لتبرير الاستثمار في علم الأمراض الرقمي" . شركة سيكترا للأنظمة الطبية . تم الاطلاع عليه بتاريخ 26 أبريل 2015 .
  55. ↑ بيرترام، كريستوف أ؛ ستاتونيكوس، نيكولاس؛ دونوفان، تارين أ؛ بارتل، ألكسندر؛ فوكس-باومغارتينغر، أندريا؛ ليبنيك، كارولين؛ كان ديست، بول ج؛ بونسيمبيانتي، فيديريكو؛ كلوبفلايش، روبرت (سبتمبر 2021). "التحقق من صحة المجهر الرقمي: مراجعة لأساليب التحقق ومصادر التحيز" . علم الأمراض البيطرية . 59 (1): 26-38 . doi : 10.1177/03009858211040476 . PMC 8761960. PMID 34433345 .  
  56. ↑ إيفانز، أندرو جيه؛ براون، ريتشارد؛ بوي، مارلين (2021). "التحقق من صحة أنظمة تصوير الشرائح الكاملة لأغراض التشخيص في علم الأمراض: تحديث للإرشادات من كلية علماء الأمراض الأمريكيين بالتعاون مع الجمعية الأمريكية لعلم الأمراض السريري ورابطة معلوماتية علم الأمراض" . أرشيف علم الأمراض وطب المختبر . 146 (4): 440-450 . doi : 10.5858/arpa.2020-0723-CP . PMID 34003251 . 
  57. ↑ إيفنر، فامكي؛ زاريلا، مارك د.؛ بوتشبيندر، ناثان؛ بوي، مارلين م.؛ غودمان، ماثيو ر.؛ هارتمان، دوغلاس ج.؛ لويان، جيوفاني م.؛ مولاني، مريم أ.؛ بارواني، أنيل ف.؛ ليلارد، كيت؛ تيرنر، أوليفر س. (2019-03-08). " مقدمة في تحليل الصور الرقمية في تصوير الشرائح الكاملة: ورقة بيضاء من جمعية علم الأمراض الرقمي" . مجلة معلوماتية علم الأمراض . 10 9. doi : 10.4103/jpi.jpi_82_18 . PMC 6437786. PMID 30984469 .  
  58. ↑ جاين، ميكا س.؛ مسعود، طارق ف. (15 يونيو 2020). "التنبؤ بالعبء الطفري للورم من الصور النسيجية المرضية باستخدام التعلم العميق متعدد المقاييس". مجلة نيتشر للذكاء الآلي . 2 (6): 356-362 . doi : 10.1038/s42256-020-0190-5 .
  59. ↑ سراج، أحمد؛ إيون-مارجينانو، أدريان؛ قريشي، حماد؛ ماكميلان، رايان؛ سانت مارتن، ماري-جوديث؛ دايموند، جيم؛ أورايلي، بول؛ هاميلتون، بيتر (2019). "الذكاء الاصطناعي الانتقالي والتعلم العميق في علم الأمراض التشخيصي" . فرونتيرز إن ميديسين . 6 185. doi : 10.3389/fmed.2019.00185 . PMC 6779702. PMID 31632973 .  
  60. ↑ نيرمال، أجيت جيه؛ ماليجا، زولتان؛ فاليوس، توليا؛ كواتروتشي، برايان؛ تشين، أليس أ؛ جاكوبسون، كونور أ؛ بيليتييه، روكسان جيه؛ ياب، كلارنس؛ أرياس-كاميسون، راكيل؛ تشين، يو-آن؛ ليان، كريستين جي. (2022-04-11). " الخريطة المكانية لتطور الورم الميلانيني الأولي وتعديله المناعي بدقة الخلية الواحدة" . مجلة اكتشاف السرطان . 12 (6): 1518-1541 . doi : 10.1158/2159-8290.CD-21-1357 . PMC 9167783. PMID 35404441 .  

للمزيد من القراءة