L'analisi morfologica tradizionale si basa sull'osservazione microscopica manuale. L'avvento dell'imaging digitale e dell'intelligenza artificiale (IA) ha trasformato questo approccio, consentendo la classificazione e la segmentazione delle strutture tissutali con una precisione senza precedenti. In questo progetto è stato sviluppato BREATHE, uno strumento di analisi di immagini digitali basato su IA, progettato per eseguire analisi istomorfometriche ed assegnare automaticamente il punteggio Ashcroft, gold standard per la valutazione della severità fibrotica polmonare nel modello murino. Le immagini whole slide sono state elaborate mediante una pipeline personalizzata sviluppata in un ambiente di lavoro open source. Le sezioni istologiche sono state automaticamente identificate e suddivise in regioni di interesse (ROIs) per l’esecuzione delle analisi istomorfometriche. Il flusso di lavoro, addestrato da morfologi esperti, ha identificato le caratteristiche parenchimali rilevanti per la classificazione della fibrosi, tra cui la densità tissutale, la distribuzione del collagene, la cellularità e l'architettura alveolare. I dati quantitativi ottenuti sono stati integrati in un modello di predizione basato su regressione lineare per l’assegnazione automatica del punteggio Ashcroft a ciascuna ROI analizzata. BREATHE ha eseguito analisi in batch ad alta precisione su un elevato numero campioni, portando a termine valutazioni morfologiche dettagliate per ciascun campione. I dati istomorfometrici ed i punteggi Ashcroft previsti sono risultati coerenti con l'analisi istologica tradizionale, indipendentemente dalla colorazione o dallo scanner utilizzato. L'integrazione con la tecnologia high-throughput di immunofluorescenza multipla e sequenziale ha consentito la stratificazione dei fenotipi cellulari identificati in base alla severità fibrotica del microambiente. Sono state osservate differenze fenotipiche anche in regioni a severità fibrotica equivalente, suggerendo che le cellule del parenchima polmonare e i profili molecolari possono essere profondamente modulati dalla fibrosi, anche in assenza di alterazioni morfologiche evidenti. Nel complesso, i risultati ottenuti hanno dimostrato la robustezza, la riproducibilità e la versatilità del flusso di lavoro BREATHE nella quantificazione della fibrosi, evidenziandone il potenziale per l’integrazione e l’implementazione nell’analisi morfologica tradizionale.

Multimodal integrative approaches for spatially resolved phenotypic characterisation of lung profiles / Zoboli, M.. - (2026).

Multimodal integrative approaches for spatially resolved phenotypic characterisation of lung profiles

ZOBOLI, MATTEO
2026-01-01

Abstract

L'analisi morfologica tradizionale si basa sull'osservazione microscopica manuale. L'avvento dell'imaging digitale e dell'intelligenza artificiale (IA) ha trasformato questo approccio, consentendo la classificazione e la segmentazione delle strutture tissutali con una precisione senza precedenti. In questo progetto è stato sviluppato BREATHE, uno strumento di analisi di immagini digitali basato su IA, progettato per eseguire analisi istomorfometriche ed assegnare automaticamente il punteggio Ashcroft, gold standard per la valutazione della severità fibrotica polmonare nel modello murino. Le immagini whole slide sono state elaborate mediante una pipeline personalizzata sviluppata in un ambiente di lavoro open source. Le sezioni istologiche sono state automaticamente identificate e suddivise in regioni di interesse (ROIs) per l’esecuzione delle analisi istomorfometriche. Il flusso di lavoro, addestrato da morfologi esperti, ha identificato le caratteristiche parenchimali rilevanti per la classificazione della fibrosi, tra cui la densità tissutale, la distribuzione del collagene, la cellularità e l'architettura alveolare. I dati quantitativi ottenuti sono stati integrati in un modello di predizione basato su regressione lineare per l’assegnazione automatica del punteggio Ashcroft a ciascuna ROI analizzata. BREATHE ha eseguito analisi in batch ad alta precisione su un elevato numero campioni, portando a termine valutazioni morfologiche dettagliate per ciascun campione. I dati istomorfometrici ed i punteggi Ashcroft previsti sono risultati coerenti con l'analisi istologica tradizionale, indipendentemente dalla colorazione o dallo scanner utilizzato. L'integrazione con la tecnologia high-throughput di immunofluorescenza multipla e sequenziale ha consentito la stratificazione dei fenotipi cellulari identificati in base alla severità fibrotica del microambiente. Sono state osservate differenze fenotipiche anche in regioni a severità fibrotica equivalente, suggerendo che le cellule del parenchima polmonare e i profili molecolari possono essere profondamente modulati dalla fibrosi, anche in assenza di alterazioni morfologiche evidenti. Nel complesso, i risultati ottenuti hanno dimostrato la robustezza, la riproducibilità e la versatilità del flusso di lavoro BREATHE nella quantificazione della fibrosi, evidenziandone il potenziale per l’integrazione e l’implementazione nell’analisi morfologica tradizionale.
2026
Scienze Medico-Veterinarie
Histomorphometry
Artificial intelligence
Whole-slide imaging
Pulmonary fibrosis
Multiplex immunofluorescence
RAVANETTI, Francesca
File in questo prodotto:
File Dimensione Formato  
PhD Matteo Zoboli_DSpace_Firmato.pdf

embargo fino al 01/04/2027

Licenza: Creative commons
Dimensione 38.38 MB
Formato Adobe PDF
38.38 MB Adobe PDF   Visualizza/Apri   Richiedi una copia

I documenti in IRIS sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/1889/6631
Citazioni
  • ???jsp.display-item.citation.pmc??? ND
  • Scopus ND
  • ???jsp.display-item.citation.isi??? ND
social impact