Computer-aided diagnosis in antinuclear autoantibodies analysis

At the present, Indirect Immunofluorescence (IIF) is the recommended method for the detection of antinuclear autoantibodies (ANA). IIF diagnosis requires both the estimation of fluorescence intensity and the description of staining pattern, but resources and adequately trained personnel are not always available for these tasks. In this respect, an evident medical demand is the development of Computer-Aided Diagnosis (CAD) tools that can offer a support to physician decision. In this work we present a CAD system suited to application in the IIF field. To this aim, we discuss different issues that should be considered to introduce viable solutions. Firstly, we evaluate the reliability of automatically acquired digital images of IIF slides for diagnostic purposes, in order to pursue a high image quality without artefacts and reduce inter-observer variability. Second, we report our experience in looking for effective autofocus functions that cope with the peculiarities of these images. We propose to use two functions that greatly improve the performance with respect to functions commonly proposed in the literature. The first one is based on image histogram, whereas the second is a popular autofocus function properly modified to compensate the photobleaching effect. Effectiveness of the proposed functions has been assessed on real images both quantitatively and qualitatively, confirming that they allow obtaining high quality images, in most cases better than those manually acquired. Third, we present a system to classify IIF images. It is based on a cascade of two steps: the first classifies the fluorescence intensity, whereas the second recognizes the staining pattern of positive wells. On the one hand, the fluorescence intensity recognition system adopts a decomposition approach, referred to as Multy Dichotomies System or MDS in short. It decomposes the classification polychotomy into a series of dichotomies on the basis of the one-per-class method. Two different aggregation rules are presented and, given the application domain, the convenience of using one of them is analyzed. In this framework, we introduce also a novel parameter that measures the reliability of the final classification provided by the MDS. This feature is used to introduce a reject option that allows reducing the error rate and determining different sets of operating points, making the recognition system suited for application in daily practice and in a wide spectrum of scenarios. The measured performance on an annotated database of IIF images shows a low overall miss rate (<1.5%, 0.00% of false negative). On the other hand, the staining pattern of positive wells is classified on the strength of the recognition of their cells. The core is a MDS based on the one-per-class approach devised to label the pattern on single cells. It employs a hybrid approach since each composing binary module is constituted by an ensemble of classifiers combined by a fusion rule. The error reject analysis permits to achieve system flexibility and to determine various operating points. The approach has been evaluated on 37 wells, for a total of 573 cells. The measured performance shows a low overall error rate (2.7% ÷ 5.8%), which is below the observed intra-laboratory variability. The analysis of perspective performance attained combining the fluorescence intensity and the staining pattern classifications shows that the use of CAD system in IIF has the potential for lowering the method variability, for increasing the standardization level and for reducing the specialists workload.

L'Immunofluorescenza Indiretta (IIF) è oggigiorno il metodo di riferimento per determinare la presenza o meno degli anticorpi antinucleo (ANA). La loro diagnosi richiede la valutazione dell'intensità di fluorescenza e la descrizione del pattern mostrato dal substrato. Però, risorse e personale adeguatamente preparato per questi compiti non sempre sono disponibili. A tal riguardo, un'evidente esigenza è lo sviluppo di strumenti di Diagnosi Assistita al Calcolatore (CAD), che possano supportare lo specialista nel processo decisionale. In questo lavoro viene presentato un sistema CAD specifico il settore IIF e si discutono i differenti aspetti che concorrono alla realizzazione di uno strumento che sia realmente utilizzabile. In primo luogo è stato valutato l'impatto dell'introduzione delle immagini digitali nello specifico settore al fine di ridurre la variabilità fra le diagnosi di differenti specialisti. In secondo luogo si discute una specifica procedura di autofocus che sia adatta alle caratteristiche delle immagini in esame, al fine di sviluppare un sistema automatico di acquisizione delle stesse. A tal riguardo si propongono due funzioni che migliorano le prestazioni rispetto ad altre presentate in letteratura. La prima si basa sull'istogramma dell'immagine, mentre le seconda è una nota funzione di autofocus adeguatamente modificata per compensare l'effetto del decadimento luminoso. Le prestazioni, valutate sia qualitativamente che quantitativamente, confermano l'efficacia del metodo. In terzo luogo viene presentato un sistema per la classificazione delle immagini IIF basato sulla combinazione in cascata di un elemento che classifica l'intensità di fluorescenza e di un altro che riconosce il pattern. Da un lato, il sistema che classifica l'intensità di fluorescenza si basa su un paradigma di decomposizione, denominato Multy Dichotomies System o, brevemente, MDS. Tale metodo decompone il problema di classificazione distribuito su più classi in una serie di dicotomie, sulla base di un approccio noto come uno-per-classe. Vengono presentate due differenti regole di aggregazione e si analizza la convenienza di utilizzare una delle due. Si introduce inoltre un nuovo stimatore dell'affidabilità della classificazione del MDS. Tale caratteristica è poi utilizzata per introdurre un'opzione di rigetto che permette di ridurre la percentuale degli errori e di determinare un insieme di punti di lavoro del sistema. Il sistema di riconoscimento è così in grado di adattarsi a differenti scenari applicativi. Le prestazioni misurate su un insieme di immagini annotate presentano un basso valore dell'errore (<1.5%, 0.00% di falsi negativi). D'altro lato, il pattern dei pozzetti positivi è determinato sulla base del riconoscimento del pattern delle cellule che lo costituiscono. Il sistema che etichetta le singole cellule utilizza un MDS basato sull'approccio uno-per-classe e integra al suo interno un metodo ibrido, perché ogni classificatore binario è a sua volta composto da un insieme di esperti combinati secondo una regola di fusione. L'applicazione di un'opzione di rigetto permette di ottenere flessibilità del sistema rispetto a differenti condizioni di funzionamento. Le prestazioni, valutate su 37 pozzetti (per un totale di 573 cellule) evidenziano una percentuale d'errore (2.7% ÷ 5.8%) che risulta inferiore alla variabilità intra-laboratorio. L'analisi combinata delle prestazioni dei due sistemi di classificazione mostra che l'utilizzo di un CAD in IIF permetterebbe di diminuire la variabilità della metodica, di aumentare il livello di standardizzazione e di ridurre il carico di lavoro dello specialista.