23. Ulusal Biyokimya Kongresi Özel Sayısı - Türk Biyokimya Dergisi

XXIII. ULUSAL B‹YOK‹MYA KONGRES‹
29 Kasım - 2 Aralık 2011
Hilton Hotel - Adana
23. Ulusal Biyokimya Kongresi, Adana [23 rd National Biochemistry Congress, Adana / TURKEY]
İÇİNDEKİLER
HEMATOLOJİK HASTALIKLARIN TANISINDA OTOMATİK İMAJ
ANALİZ SİSTEMLERİNİN ROLÜ
Oytun PORTAKAL
Hacetepe Üniversitesi, Onkoloji Hastanesi, Merkez Laboratuvarı, 06100 Ankara
/ Türkiye
AUTOMATED IMAGE ANALYSIS SYSTEMS IN DIAGNOSIS OF
HEMATOLOGICAL DISEASE
Oytun PORTAKAL
Central Laboratory, Oncology Hospital, Hacettepe University, 06100 Ankara /
Turkey
CONTENTS
DAVETLİ KONUŞMACI ÖZETLERİ
Periferik kan incelemesi (total kan sayımı ve lökosit sınıflaması) hematolojik
tanıda önemli temel taşlardan biridir. Otomatik analizörler tarafından yapılan
total kan sayımı hematolojik anomalilerin tanısında güvenilir, kesin, hızlı ve
ucuz bir yöntem sağlar. Lökosit sınıflama hem kan sayımının doğrulanması için
hem de periferik kan hücrelerindeki niteliksel değişiklikler, kemik iliği öncül
hücreleri, malign hücreler ve parazitlerin saptanması için gereklidir. Her iki metod
laboratuvar hematoloji uygulamalarında yer almaktadırlar.
Lökosit sınıflama, yaklaşık 120 yıl önce başlamıştır, doğru tedavi ve hasta
yönetimi için önemli tanısal parametrelerden biridir. Bu nedenle hasta örneklerinin
doğru ve güvenilir analizi esastır. Geleneksel manuel mikroskobik metodlar
hücre tanımlamada daha fazla deneyim ve zaman gerektirir. Üstelik hücre
sınıflamasındaki kriterler kişiye bağlı olarak değişebilir. Lazer ışık saçılımı ve akım
sitometrisi prensipleri ile çalışan günümüz otomatik kan sayım cihazları 5-hücreli
lökosit sınıflaması yapmaktadırlar. Bu sistemler daha hızlı, kesin ve tekrarlanabilir
sonuçlar verir, ayrıca anormal hücreler için uyarı sistemine sahiptir. Ancak
otomatik kan sayım cihazları blast ve matür olmayan hücreleri tanımlayamaz.
Bu nedenle son 10 yılda otomatik imaj analiz sistemleri geliştirilmiştir. Bu
sistemler yüksek çözünürlüklü bir CCD fotoğraf makinesi, yüksek performanslı
bir bilgisayar ve yapay sinir ağı (ANN) kullanan mükemmel bir yazılım içerirler.
Yayma görüntüleri üzerindeki işlem 4 faz içerir: Görüntü alma, paraçalara ayırma,
öznitelik belirleme ve sınıflandırma. Bu sistemlerin en önemli avantajı blast ve
matür olmayan hücreleri doğru ve kesin şekilde saptayabilmesidir. Üstelik yüksek
örnek kapasitesi ve uzun cihaz başından ayrılabilme zamanı sağlarlar. Lökosit
sınıflamadaki bu yeni dönem hematoloji laboratuvarlarında etkin olarak yerini
almaktadır.
Son birkaç yılda otomatik kan sayım cihazlarından hematolojik hastalıkların tanı
ve izlemi için yeni formül ve parametreler tanımlandı: demir eksikliği anemisi
için retikulosit hemoglobin içeriği (CHr), hipokrom kırmızı kan hücresi (%Hypo),
kırmızı kan hücre büyüklük faktörü (RSf) ve düşük hemoglobin dansitesi
(LDH%), herediter sferositoz için ortalama küresel eritrosit hacmi (MSCV),
sepsis, myelodisplastik sendrom ve sıtma için nötrofil hücre populasyon bilgisi,
Peripheral blood examination (counting and leucocytes differential) is one of the
important corner stone in hematological diagnosis. Counting of blood cells by
automated cell counters provide reliable, precise, rapid and cost effective method
in screening of hematologic abnormalities. Leucocytes differential is needed to
verify counting and to detect the qualitative changes of blood cells and bone
marrow precursors, malignant cells and parasites. Both are entirely involved in
laboratory hematology practice.
Leucocytes differential, introduced almost 120 years ago, is an important diagnostic
tool for successful treatment and management of patient. Therefore, accurate and
reliable analysis of patient sample is essential. The traditional manual microscopic
methods need more experience and more time for cell identification. Furthermore,
the criteria of cell classification may change depending upon observer. Recent
automated cell counters based on laser-light scatter and flow cytometric principles,
provide five-part leucocytes differential. Those systems give more precise,
reproducible and fast results with flags for abnormal cells. However automated
cell counters cannot accurately recognize immature and atypical cells. So, image
analysis systems have been improved for the last decade. These systems contain a
high resolution CCD camera, a high performance computer and excellent software
using artificial neural network (ANN). The process on smear images requires 4
steps: acquisition, segmentation, feature extraction and classification. The most
important advantage of these systems is accurate and precise detection of blasts
and other immature cells. Furthermore, they provide high sample capacity and
long walk-away time. This new stage of leucocyte differential has been effectively
taken part in hematology laboratories.
During last few years new formulas and parameters available from automated cell
counters have been described for diagnosis of hematological disease: Reticulocyte
hemoglobin content (CHr), %Hypo (the percentage of red blood cells with Hb
concentration