Tecniche di analisi con patologia digitale della colorazione istochimica per il reticolo in diagnostica oncologica

Background This study focuses on the application of histochemical reticulum staining in oncological pathologies of the parathyroid glands, evaluating its utility in the differential diagnosis between parathyroid adenomas (PTA), atypical parathyroid tumors (APT) and parathyroid carcinomas (PTC). The analysis involves the use of advanced digital pathology methods of automation and digitization, which allow for a more accurate and reproducible diagnosis. It employs the SLIDE (Speaking Labels for Digital Pathology Environments) system to encode and anonymize samples, creating a complete and secure digital archive. Materials and methods The case histories under study were obtained by collecting 63 cases of parathyroid adenomas and carcinomas processed and analysed by the Pathological Anatomy Facility of the Universitỳ degli studi di Torino, at the Azienda Ospedaliera Universitaria ‘Città della Salute e della Scienza’ from 1992 to June 2024, and 40 cases processed and analysed by the Pathological Anatomy Facility of the Universitỳ degli studi di Torino, at the Azienda Ospedaliera Universitaria San Luigi Gonzaga. The material was collected, cut, stained, scanned with the Hamamatsu digital slide scanner and anonymized. Routine histological (EE) and special histochemical reticulum staining was performed for each case. Quantitatively, the reticular pattern was classified as present, partially fragmented or absent. Qualitatively, different reticular fiber patterns were analysed, including alveolar, nodular, anastomising and irregular short 6 and thick sinusoids. These data made it possible to distinguish the different tumour forms more precisely. Results The results indicate that reticulum staining is an effective diagnostic tool in the evaluation of parathyroid neoplasms. In adenomas, for example, a better-preserved reticular pattern is observed than in carcinomas, where fibers are often fragmented or absent. In atypical tumors, the situation is intermediate, with partial destruction of the reticular web. Furthermore, the study highlights the importance of automation and digitization in histopathological practice, with significant benefits in terms of efficiency, reduction of human error and standardisation of processes. The introduction of artificial intelligence (AI) represents a promising future prospect to further improve diagnostic accuracy and facilitate clinical management of patients. Conclusion Histochemical reticulum staining analysis, supported by digital and automated techniques, has proven to be a valuable method for the differential diagnosis of parathyroid diseases. The introduction of artificial intelligence (AI) represents a promising future prospect to further improve diagnostic accuracy and facilitate clinical management of patients, while deep learning models may identify new predictive features of patient survival and potentially lead to the discovery of new biomarkers.

Premessa Questo studio si concentra sull'applicazione della colorazione istochimica del reticolo nelle patologie oncologiche delle ghiandole paratiroidee, valutando la sua utilità nella diagnosi differenziale tra adenomi paratiroidei (PTA), tumori paratiroidei atipici (APT) e carcinomi paratiroidei (PTC). L'analisi prevede l’utilizzo di metodologie di patologia digitale avanzate di automazione e digitalizzazione, che permettono una diagnosi più accurata e riproducibile. In particolare, impiega il sistema SLIDE (Speaking Labels for Digital Pathology Environments) per codificare e anonimizzare i campioni, creando un archivio digitale completo e sicuro. Materiali e metodi La casistica in studio è stata ottenuta raccogliendo 63 casi di adenomi e carcinomi della paratiroide processati ed analizzati dalla Struttura di Anatomia Patologica dell’Università̀ degli studi di Torino, presso l’Azienda ospedaliera universitaria “Città della Salute e della Scienza” dal 1992 a giugno 2024, e 40 casi processati ed analizzati dalla Struttura di Anatomia Patologica dell’Università̀ degli studi di Torino, presso l’Azienda Ospedaliera Universitaria San Luigi Gonzaga. Il materiale è stato raccolto, tagliato, colorato, scansionato con il digital slide scanner Hamamatsu e anonimizzato. Per ogni caso è stata eseguita la colorazione istologica routinaria (EE) e la colorazione speciale istochimica per il reticolo. Dal punto di vista quantitativo, la trama reticolare è stata classificata come presente, parzialmente frammentata o assente. Qualitativamente, 4 sono stati analizzati diversi pattern di fibre reticolari, tra cui fibre alveolari, nodulari, anastomizzanti e sinusoidi irregolari corte e spesse. Questi dati hanno permesso di distinguere con maggiore precisione le diverse forme tumorali. Risultati I risultati indicano che la colorazione del reticolo rappresenta uno strumento diagnostico efficace nella valutazione delle neoplasie paratiroidee. Negli adenomi, ad esempio, si osserva una trama reticolare meglio conservata rispetto ai carcinomi, dove le fibre sono spesso frammentate o assenti. Nei tumori atipici, la situazione si presenta intermedia, con una parziale distruzione della trama reticolare. Inoltre lo studio evidenzia l'importanza dell'automazione e della digitalizzazione nella pratica istopatologica, con vantaggi significativi in termini di efficienza, riduzione dell'errore umano e standardizzazione dei processi. L'introduzione dell'intelligenza artificiale (AI) rappresenta una prospettiva futura promettente per migliorare ulteriormente l'accuratezza diagnostica e facilitare la gestione clinica dei pazienti. Conclusione L'analisi della colorazione istochimica del reticolo, supportata da tecniche digitali e automatizzate, si è dimostrata un metodo valido per la diagnosi differenziale delle patologie paratiroidee. L'introduzione dell'intelligenza artificiale (AI) rappresenta una prospettiva futura promettente per migliorare ulteriormente l'accuratezza diagnostica e facilitare la gestione clinica dei pazienti, mentre i modelli di deep learning possono identificare nuove caratteristiche predittive della sopravvivenza dei pazienti e, potenzialmente, portare alla scoperta di nuovi biomarcatori.