La Johns Hopkins University ricostruisce l’architettura 3D dei tessuti per individuare precursori tumorali nascosti

Alla Johns Hopkins University, un team multidisciplinare di ingegneri, biologi del cancro e patologi ha cercato di superare una grande limitazione della ricerca oncologica: l’impossibilità di visualizzare e analizzare in tre dimensioni le lesioni precancerose microscopiche. La neoplasia intraepiteliale pancreatica (PanIN), un precursore comune del tumore al pancreas, è troppo piccola per essere rilevata con le tecniche di imaging convenzionali ed è stata finora studiata principalmente attraverso sezioni istologiche bidimensionali. Questo approccio limitava la possibilità dei ricercatori di comprenderne realmente la struttura, la frequenza e il significato biologico.

Per superare queste sfide, il team ha sviluppato CODA, una piattaforma computazionale in grado di ricostruire modelli tissutali 3D a partire da sezioni istologiche seriali. Il processo ha richiesto di affrontare complessi problemi di allineamento delle immagini, poiché il sezionamento fisico dei tessuti introduce artefatti come strappi, pieghe e distorsioni. CODA utilizza Image Processing Toolbox™ e Deep Learning Toolbox™ per eseguire la registrazione non lineare delle immagini, il rilevamento delle coordinate nucleari e la segmentazione basata sul Deep Learning, sfruttando l’algoritmo DeepLabv3+ con backbone ResNet-50. Il workflow prevede il ridimensionamento delle immagini, l’annotazione manuale dei dati di addestramento e l’applicazione del Deep Learning per segmentare automaticamente le strutture anatomiche. Le matrici di trasformazione calcolate su immagini a bassa risoluzione vengono utilizzate per registrare le immagini segmentate ad alta risoluzione, permettendo ricostruzioni 3D accurate.

Con CODA, il team ha generato mappe anatomiche del tessuto pancreatico umano, rivelando che le lesioni PanIN sono più diffuse e morfologicamente più complesse di quanto si pensasse in precedenza. CODA ha inoltre permesso di integrare i dati istologici con informazioni genomiche, proteomiche e trascrittomiche, offrendo una visione completa dell’architettura tissutale e delle caratteristiche molecolari. Grazie all’integrazione tra morfologia 3D e dati genomici, il team ha scoperto che le PanIN si sviluppano in modo indipendente l’una dall’altra, con ogni PanIN anatomica separata che presenta una mutazione diversa nell’oncogene KRAS. La flessibilità della piattaforma ne ha permesso l’applicazione ad altri organi e ambiti di ricerca, tra cui la mappatura del rene in sviluppo, delle tube di Falloppio e del cuore, oltre alla progettazione di modelli di organoidi biomimetici.

I piani futuri prevedono l’ampliamento delle funzionalità di CODA con segmentazione nucleare, interpolazione delle sezioni, colorazione virtuale e sviluppo di app intuitive, per supportare ulteriormente la ricerca sul cancro e sulla biologia dello sviluppo.