Introduction: Technologies based on digital image analysis are becoming an increasingly prominent feature of pathological diagnostics. The application of artificial intelligence to data analysis has the potential to offer a more objective and detailed morphological characterization than that achievable through visual inspection. This could lead to a reduction in the time necessary for a diagnosis to be reached. Objective: The aim of this study was to optimize the nuclear recognition and nuclear separation capabilities of the image analysis software BIAS (Single-Cell Technologies). Method: To this end, the recognition and morphological characteristics (distance, density) of five to five Gr0R, Gr1R, Gr2R stage endomyocardial biopsies of hematoxylin-eosin stained, digitized sections of lymphocytes, myocytes, and other tissue structures were investigated. Results: The data demonstrated a clear increase in lymphocyte density averages during the progression of histological signs of graft rejection (Gr0R: 127.02/mm² < Gr1R: 324.03/mm² < Gr2R: 686.49/mm²), with the results for Gr0R showing a significant difference compared to Gr1R. The mean distance between lymphocytes exhibited a corresponding variation (Gr0R: 32.44 µm > Gr1R: 19.37 µm > Gr2R: 11.63 µm), with the latter two values being significantly below the Gr0R cases. The mean myocyte–lymphocyte distances of the first ten lymphocytes in order of distance from the myocytes were found to be similar (Gr0R: 55.32–193 µm > Gr1R: 35.16–109.96 µm > Gr2R: 32.46–92.95 µm). This indicates that the mean distance of lymphocytes from myocytes in Gr0R cases was significantly greater than in the other groups. In 1 mm² of myocardium, the mass of intramyocardial connective tissue exhibited a notable decline following a substantial increase (Gr0R: 1013.72 µm², Gr1R: 1942.65 µm², Gr2R: 1686.79 µm²). Conversely, the prevalence of intramyocardial oedema demonstrated an appreciable surge subsequent to a moderate decline (Gr0R: 202.42 µm², Gr1R: 181.56 µm², Gr2R: 273.91 µm²) throughout the progression of the rejection process. Discussion: The results of our study indicate that our artificial intelligence-based method, when adequately trained, is suitable for objective pathological analysis of lymphocyte, myocyte and connective tissue volume, as well as the extent of oedema and morphological parameters (distance, density) that are important from the perspective of rejection in endomyocardial biopsies of transplanted hearts. Conclusion: Complex digital image analysis may prove to be a valuable tool for the efficient pathological evaluation of organ rejection in heart transplant recipients. Orv Hetil. 2024; 165(44): 1728–1734.
Bevezetés: A digitális képanalízisen alapuló technológiáknak egyre nagyobb szerepük van a patológiai diagnosztikában. Mesterségesintelligencia-alapú adatelemzéssel a szemkontrollnál objektívebb, részletes morfológiai jellemzésre nyílik lehetőség, ami a leletezés idejét is csökkentheti. Célkitűzés: Jelen dolgozatunkban célul tűztük ki a BIAS (Single-Cell Technologies) képelemző program sejtmagfelismerő és sejtmag-elkülönítő képességének optimalizálását. Módszer: Ehhez 5-5 szívtranszplantált eset Gr0R, Gr1R, Gr2R stádiumú endomyocardialis biopsziájának hematoxilin-eozin-festett, digitalizált metszetén lymphocyták, myocyták és egyéb szöveti struktúrák felismerését, valamint morfológiai jellemzőit (távolság, denzitás) vizsgáltuk. Eredmények: BIAS-elemzésünk a lymphocytadenzitás-átlagok emelkedését igazolta a graftrejekció szövettani jeleinek progressziója során (Gr0R: 127,02/mm² < Gr1R: 324,03/mm² < Gr2R: 686,49/mm²), ahol a Gr0R<Gr1R eredmények mutattak szignifikáns különbséget. A lymphocyták legközelebbi egymástól mért távolságának átlaga is ennek megfelelően változott (Gr0R: 32,44 µm > Gr1R: 19,37 µm > Gr2R: 11,63 µm), az utóbbi kettő értékei szignifikánsan a Gr0R-esetek alatt maradtak. A myocytákhoz közeli, távolsági sorrendben az első tíz lymphocytát jellemző myocyta–lymphocyta-távolságok átlagai hasonló módon alakultak (Gr0R: 55,32–193 µm > Gr1R: 35,16–109,96 µm > Gr1R: 32,46–92,95 µm), vagyis a Gr0R-esetekben a lymphocyták átlagos távolsága a myocytáktól szignifikánsan nagyobb volt, mint a többi csoportban. Az intramyocardialis kötőszövet mennyisége 1 mm² szívizomzatban jelentős emelkedés (Gr0R: 1013,72 µm², Gr1R: 1942,65 µm²) után mérséklődött (Gr2R: 1686,79 µm²), míg az intramyocardialis oedema mérsékelt csökkenés után emelkedett (Gr0R: 202,42 µm², Gr1R: 181,56 µm², Gr2R: 273,91 µm²) a rejekció progressziója során. Megbeszélés: Mesterséges intelligencián alapuló módszerünk – megfelelő tanulás után – alkalmas a lymphocyták, myocyták és a kötőszövet mennyiségének, az oedema mértékének, valamint a kilökődés szempontjából fontos morfológiai paramétereknek (távolság, denzitás) az objektív patológiai elemzésére transzplantált szív endomyocardialis bioptátumaiban. Következtetés: A komplex digitális képanalízis ígéretes segítség lehet a szívtranszplantáltak szervkilökődésének hatékony patológiai értékelésében és előrejelzésében. Orv Hetil. 2024; 165(44): 1728–1734.
Nyolczas N, Heltai K, Borbély A, et al. Hungarian Heart Failure Registry 2015–2016. Preliminary results. [Magyar Szívelégtelenség Regiszter 2015–2016. Kezdeti eredmények.] Orv Hetil. 2017; 158: 94–100. [Hungarian]
Leone O, Angelini A, Bruneval P, et al. (eds.) The pathology of cardiac transplantation: a clinical and pathological perspective. Springer, Cham, 2016.
Langer R. The place of Hungary on Europe’s transplantation map. [Magyarország helye Európa transzplantációs térképén.] Orv Hetil. 2022; 163: 1181–1188. [Hungarian]
Lund LH, Edwards LB, Kucheryavaya AY, et al. The registry of the International Society for Heart and Lung Transplantation: thirty-first official adult heart transplant report. 2014; focus theme: retransplantation. J Heart Lung Transplant. 2014; 33: 996–1008.
Kobashigawa J, Zuckermann A, Macdonald P, et al. Report from a consensus conference on primary graft dysfunction after cardiac transplantation. J Heart Lung Transplant. 2014; 33: 327–340.
Russo MJ, Iribarne A, Hong KN, et al. Factors associated with primary graft failure after heart transplantation. Transplantation 2010; 90: 444–450.
Taylor DO, Yowell RL, Kfoury AG, et al. Allograft coronary artery disease: clinical correlations with circulating anti-HLA antibodies and the immunohistopathologic pattern of vascular rejection. J Heart Lung Transplant. 2000; 19: 518–521.
Teszák T, Bödör C, Hegyi L, et al. Noninvasive rejection surveillance after solid organ transplantations: analysis of the donor-derived cell-free DNA. [Noninvazív rejekció utánkövetése szolid szervek átültetését követően: a donoreredetű sejtmentes DNS vizsgálata.] Orv Hetil. 2024; 165: 1275–1285. [Hungarian]
Miller CA, Fildes JE, Ray SG, et al. Non-invasive approaches for the diagnosis of acute cardiac allograft rejection. Heart 2013; 99: 445–453.
Michaels PJ, Kobashigawa J, Laks H, et al. Differential expression of RANTES chemokine, TGF-beta, and leukocyte phenotype in acute cellular rejection and quilty B lesions. J Heart Lung Transplant. 2001; 20: 407–416.
Stewart S, Winters GL, Fishbein MC, et al. Revision of the 1990 working formulation for the standardization of nomenclature in the diagnosis of heart rejection. J Heart Lung Transplant. 2005; 24: 1710–1720.
Kaul V, Enslin S, Gross SA. History of artificial intelligence in medicine. Gastrointest Endosc. 2020; 92: 807–812.
Farkas-Raduly S, Csanádi M, Ágh T, et al. New opportunities offered by digital technology in melanoma malignum screening. [A digitális technológia kínálta új lehetőségek a melanoma malignum szűrésében.] Orv Hetil. 2022; 163: 1943–1951. [Hungarian]
Kveton M, Hudec L, Vykopal I, et al. Digital pathology in cardiac transplant diagnostics: from biopsies to algorithms. Cardiovasc Pathol. 2024; 68: 107587.
Nagl S, Haas M, Lahmer G, et al. Cell-to-cell distances between tumor-infiltrating inflammatory cells have the potential to distinguish functionally active from suppressed inflammatory cells. Oncoimmunology 2016; 5: e1127494.
Feichtenbeiner A, Haas M, Büttner M, et al. Critical role of spatial interaction between CD8+ and Foxp3+ cells in human gastric cancer: the distance matters. Cancer Immunol Immunother. 2014; 63: 111–119.
Berthel A, Zoernig I, Valous NA, et al. Detailed resolution analysis reveals spatial T cell heterogeneity in the invasive margin of colorectal cancer liver metastases associated with improved survival. Oncoimmunology 2017; 6: e1286436.