Απαιτήσεις από ένα αυτοματοποιημένο σύστημα πρωτοβάθμιου προληπτικού ελέγχου των κολποτραχηλικών επιχρισμάτων

Το 1984ηΔιεθνήςΑκαδημίατηςΚυτταρολογίαςόρισετιςαπαιτήσεις

1. το σύστημα δεν πρέπει να αξιολογήσει ως αρνητικό οποιοδήποτε δείγμα που περιέχει κακοήθη κύτταρα
2. το σύστημα πρέπει να είναι σε θέση να ανιχνεύσει τα artifacts και να προσδιορίσει μολυσματικούς οργανισμούς όπως την τριχομονάδα του κόλπου  και τα είδη candida.

Οι τρέχουσες απαιτήσεις είναι μετριότερες. Είναι:

1. Το σύστημα θα πρέπει να επιλέξει τα ύποπτα κύτταρα (ή επιχρίσματα) και να τα παρουσιάσει στον κυτταρολόγο για την τελική ταξινόμηση
2. Τα επιχρίσματα που αποκλείονται από την ανθρώπινη αξιολόγηση δεν πρέπει να περιέχουν ατυπίες, σε ποσοστό που να υπερβαίνει αυτό που κατορθώνει ο ειδικός στον αρχικό έλεγχο.
3. Το σύστημα πρέπει να είναι σε θέση να σχολιάσει την επάρκεια των επιχρισμάτων. Ο έλεγχος πρέπει να είναι γρήγορος και αξιόπιστος.
4. Το σύστημα δεν πρέπει να αποκλείσει επιχρίσματα, με χρώση Παπανικολάου, που είναι κατάλληλα για ταξινόμηση
5. Η ευαισθησία της αυτοματοποιημένης συσκευής (συν του κυτταρολόγου)   πρέπει να είναι ίση με ή να ξεπερνά την ευαισθησία του πρωτοβάθμιου ελέγχου από κυτταροτεχνολόγο (δηλ. ευαισθησία 95% για HSIL).

Καθήκον της αυτοματοποιημένης συσκευής είναι να ανιχνεύει, να αναγνωρίζει και να ταξινομεί τα κύτταρα στα κολποτραχηλικά επιχρίσματα.

Προκειμένου να εξασφαλιστούν η ανίχνευση, η αναγνώριση και η ταξινόμηση των σχετικών κυττάρων στο επίχρισμα, ο υπολογιστής απαιτείται να εκτελέσει έναν αριθμό κρίσιμων εργασιών

1. Να τοποθετήσει ένα επίχρισμα επάνω στο επίπεδο του μικροσκοπίου
2. Να βρεί μια αφετηρία για την ανίχνευση και να προχωρήσει τον έλεγχο του επιχρίσματος  με έναν προκαθορισμένο τρόπο
3. Να βρεί τα αντικείμενα ενδιαφέροντος και να καθορίσει το εστιακό τους επίπεδο.
4. Να ανιχνεύσει τα επιθηλιακά κύτταρα του τραχήλου μεταξύ των άλλων στοιχείων στο επίχρισμα.  
5. Να ονομάσει κάθε επιθηλιακό κύτταρο, να ορίσει τα όριά του και να αναγνωρίσει τον πυρήνα και το κυτταρόπλασμα (μια διαδικασία γνωστή ως κατάτμηση)
6. Να εξάγει τα διαγνωστικά χαρακτηριστικά γνωρίσματα του πυρήνα δηλ. την περιεκτικότητα σε χρωματίνη και την δομή, καθώς και του κυτταροπλάσματος (πάνω από 100 γεωμετρικά ή συστατικά χαρακτηριστικά γνωρίσματα μπορούν να εξαχθούν)
7. Να εξαλείψει τα άσχετα κύτταρα, τα συντρίμμια, τα artifacts, και την επικάλυψη (overlapping).
8. Τελικάναταξινομήσειτακύτταραωςκανονικάήάτυπα

Απαιτήσεις των συστημάτων ανάλυσης εικόνας

Πολλές από τις πρώτες αυτοματοποιημένες συσκευές στηρίχθηκαν εξ ολοκλήρου στην ανάλυση εικόνας, εξετάζοντας κύτταρο – κύτταρο στο επιχρίσμα, χρησιμοποιώντας ένα αλγοριθμικό λογισμικό πρόγραμμα υπολογιστών. Αυτή η προσέγγιση απέτυχε αρχικά κατά ένα μεγάλο μέρος, επειδή οι υπολογιστές δεν είχαν την δυνατότητα να επεξεργαστούν το τεράστιο υπολογιστικό φορτίο που απαιτήθηκε για την ανάλυση του κολποτραχηλικού επιχρίσματος κατά αυτόν τον τρόπο.

Μια πρόσφατη ανάπτυξη στην τεχνολογία των υπολογιστών, για την αυτοματοποίηση της εξέτασης του κολποτραχηλικού επιχρίσματος, είναι η εισαγωγή τεχνητής νοημοσύνης στα συστήματα επεξεργασίας εικόνας. Αυτά τα συστήματα περιλαμβάνουν νευρωνικά δίκτυα (neural network systems), που αντιπροσωπεύουν έναν μη αλγοριθμικό κλάδο της τεχνητής νοημοσύνης, που ταιριάζει ιδιαίτερα στην αναγνώριση των σχημάτων στις φυσικές εικόνες. Υπό αυτήν τη μορφή είναι ιδιαίτερα κατάλληλα για την ανάλυση των κολποτραχηλικών επιχρισμάτων, όπου ένα μεγάλο μέρος αυτού που ο κυτταροτεχνολόγος αναγνωρίζει ως ατυπία, δεν μπορεί να καθοριστεί ακριβώς με καθαρά αντικειμενικούς ή μορφομετρικούς όρους. Εντούτοις, σε αντίθεση με τα αλγοριθμικά προγράμματα, τα νευρωνικά δίκτυα είναι μάλλον αργά.

Τα τρέχοντα εμπορικά αυτοματοποιημένα συστήματα χρησιμοποιούν και τα δύο προγράμματα δηλ. και τα αλγοριθμικά και τα προγράμματα τεχνητής νοημοσύνης για την ανάλυση των κολποτραχηλικών επιχρισμάτων.