Colorazione virtuale dei tessuti in 3D

Quando, nel XIX secolo, Rudolf Virchow formulò la sua teoria cellulare delle patologie, i suoi studi cambiarono la scienza medica per sempre: le malattie non insorgono in modo inspiegabile nell’organismo, ma si originano in determinate cellule e tessuti. A tutt'oggi la patologia, la disciplina che studia le alterazioni causate dalle malattie, cioè le alterazioni patologiche, si basa essenzialmente sull’esame, molto impegnativo in termini di tempo, di sottili sezioni di tessuto, che vengono colorate e osservate al microscopio.

Adesso, invece, un team di ricerca internazionale presso l’Istituto Paul Scherrer PSI è riuscito a vincere il limite bidimensionale. Con l'ausilio della microtomografia computerizzata ad alta risoluzione (µCT) e dell'intelligenza artificiale, un gruppo guidato dal fisico del PSI Goran Lovric del Centro per la scienza dei fotoni presso l'Istituto Paul Scherrer PSI, ha generato colorazioni virtuali di campioni di tessuto, le cosiddette colorazioni istologiche. In questo modo non si devono né preparare sezioni sottilissime e delicate, né colorarle con veri e propri coloranti. «Abbiamo dimostrato per la prima volta che una colorazione virtuale basata sulla tomografia computerizzata può fornire risultati simili a quelli dell’istologia convenzionale di laboratorio», ha spiegato Lovric. «Questo dà il via ad un'infinità di possibili applicazioni in campo medico e scientifico.»

I noti coloranti dell'istologia

I ricercatori hanno combinato la microtomografia computerizzata a contrasto di fase ad alta risoluzione (PCµCT) con metodi di apprendimento automatico. Il sistema è stato denominato «VISTACT», abbreviazione di «VIrtual STAining of micro-Computed Tomography». Mentre la classica tomografia computerizzata misura principalmente le differenze di densità tra i vari tessuti attraversati dai raggi X, la microtomografia computerizzata a contrasto di fase utilizza informazioni aggiuntive presenti nella radiazione, ottenendo in tal modo una rappresentazione nettamente migliore dei tessuti molli. In questo modo è possibile rendere visibili perfino strutture anatomiche fini in tre dimensioni e con una precisione dell'ordine dei micrometri, risultato che, però, è raggiungibile finora solo in scala di grigi. Nell'ambito della patologia, tuttavia, il personale specializzato è addestrato a interpretare i tipici contrasti cromatici offerti delle colorazioni istologiche classiche: i nuclei delle cellule appaiono in colore blu-violetto, il collagene rosa, le fibre elastiche scure. Nei set di dati in scala di grigi generati dalla tomografia computerizzata molti di questi punti di orientamento visivi vanno persi.

«Volevamo pertanto trasferire la tradizionale gamma delle colorazioni istologiche ai dati tridimensionali della tomografia computerizzata», spiega Lovric. A tal fine, i ricercatori hanno addestrato un’intelligenza artificiale specializzata utilizzando coppie di autentiche sezioni istologiche reali e le relative immagini tomografiche. In questo modo l’intelligenza artificiale ha imparato quali campioni microscopici ricevono tipicamente quale colorazione. Successivamente è stata in grado di colorare virtualmente nuovi dati tomografici. Si può dire che l'intelligenza artificiale abbia in pratica eseguito una traduzione automatica tra due mondi diversi di immagini.

Localizzazione più esatta

A tal riguardo, un passaggio tecnico decisivo è stata l’assegnazione precisa delle immagini. Le sezioni istologiche hanno uno spessore di appena pochi micrometri e possono deformarsi facilmente durante il sezionamento o il montaggio su vetrino. Inoltre, si deve determinare con esattezza in quale punto del set di dati tridimensionale della tomografia computerizzata si trovi la rispettiva sezione. A tal fine, il gruppo di lavoro guidato da Lovric ha sviluppato una procedura a più fasi che riconosce automaticamente il piano corrispondente e lo confronta con i dati istologici. Secondo quanto indicato dai ricercatori, l’assegnazione spaziale riesce ad essere, in tal modo, nettamente più precisa rispetto alle procedure standard utilizzate finora.

Per la colorazione virtuale vera e propria è stata utilizzata una cosiddetta «conditional Generative Adversarial Network», ovvero un sistema di intelligenza artificiale specializzato nella traduzione da immagine a immagine. Il modello ha ricevuto come input delle immagini in scala di grigi prodotte dalla microtomografia computerizzata e da tali immagini ha generato dei preparati istologici virtuali. È da giudicare veramente significativo il fatto che l’intelligenza artificiale non solo abbia generato superfici colorate approssimative, ma abbia anche differenziato in modo plausibile i diversi componenti tissutali: il sangue nei vasi capillari è risultato giallastro, le strutture di collagene rosa, le superfici nei polmoni sono apparse in colori che vanno dal grigio al viola.

Il test sul tessuto polmonare costituisce una "Proof of Concept”

I ricercatori hanno testato il loro nuovo procedimento su un tessuto polmonare che era stato prelevato da persone affette da ipertensione polmonare. In questo caso si verifica una trasformazione patologica dei vasi polmonari. «Siamo riusciti a mappare in tre dimensioni le regioni vascolari alterate», afferma Cristina Almagro-Pérez. La ricercatrice è la prima autrice della nuova pubblicazione e ha lavorato nel gruppo di Goran Lovric durante la sua tesi di laurea magistrale. Attualmente svolge attività di ricerca negli Stati Uniti.

La nuova tecnica può funzionare in modo automatizzato e nettamente più veloce rispetto al procedimento attuale. Tuttavia, non è ancora possibile utilizzare questa tecnica nella routine ospedaliera: l’imaging a contrasto di fase necessario è stato effettuato presso la linea di fascio TOMCAT della Sorgente di luce di sincrotrone svizzera SLS, uno dei grandi impianti di ricerca dell'Istituto Paul Scherrer PSI. Le quantità di dati generate sono state enormi e la risoluzione spesso non ha raggiunto una qualità sufficiente a rappresentare in modo affidabile i singoli nuclei cellulari.

Inoltre, l’istologia virtuale rimane ancora ricostruzione di tipo statistico: l’intelligenza artificiale non genera autentiche informazioni istologiche, bensì delle previsioni plausibili basate sui dati di addestramento dell'intelligenza stessa. Almagro-Pérez e Lovric pongono l'accento sul fatto che attualmente la procedura non raggiunge ancora la qualità richiesta per la diagnostica di routine. Tuttavia, la «Proof of Concept» è stata fornita e il procedimento, in linea di principio, è trasferibile all’analisi di diverse patologie. In particolare, nel caso di tumori, alterazioni vascolari o architetture tissutali complesse, questa forma di istologia patologica tridimensionale, non distruttiva, può accelerare la ricerca sui biomarcatori patologici e aprire di conseguenza la strada a nuove prospettive diagnostiche a lungo termine.

A più di 150 anni dal concetto di patologia cellulare elaborato da Virchow, l’istologia potrebbe trovarsi nuovamente di fronte a un cambiamento epocale.

Testo: Werner Siefer

Informazioni sul PSI

L'Istituto Paul Scherrer PSI sviluppa, costruisce e gestisce grandi e complesse strutture di ricerca e le mette a disposizione della comunità di ricerca nazionale e internazionale. La sua ricerca si concentra sulle tecnologie del futuro, l'energia e il clima, l'innovazione sanitaria e i fondamenti della natura. La formazione dei giovani è una preoccupazione centrale del PSI. Per questo motivo, circa un quarto dei nostri dipendenti sono ricercatori post-dottorato, dottorandi o apprendisti. Il PSI impiega un totale di 2.300 persone, il che lo rende il più grande istituto di ricerca della Svizzera. Il budget annuale è di circa 450 milioni di franchi svizzeri. Il PSI fa parte del settore dei PF, che comprende anche il Politecnico di Zurigo e l'EPF di Losanna, nonché gli istituti di ricerca Eawag, Empa e WSL.

Contatto

Dr. Goran Lovric
PSI Center for Photon Science
Istituto Paul Scherrer PSI

+41 56 310 51 05
goran.lovric@psi.ch
[tedesco, inglese, francese, croato]

Pubblicazione originale

Histology-guided 3D virtual staining of microCT-imaged lung tissue via deep learning
Cristina Almagro-Pérez, Niccolò Peruzzi, Csaba Galambos, Andrew H. Song, Hans Brunnström, Kinga I. Gawlik, Marco Stampanoni, Karin Tran-Lundmark, Goran Lovric
J. R. Soc. Interface, 17.06.2026
DOI: 10.1098/rsif.2025.1186

Testo originale:

https://www.psi.ch/it/news/comunicati-stampa/colorazione-virtuale-dei-tessuti-in-3d