Niniejszy raport opisuje procedurę wykonywania obrazowania PET in vivo na myszach za pomocą form BCAM i analizy danych za pomocą zautomatyzowanego narzędzia SaaS. Znajdują się tam instrukcje krok po kroku dotyczące przygotowania myszy, pozyskiwania obrazowania i przetwarzania danych. Ten przepływ pracy automatyzacji przyniósł również dane, które były zgodne z ręczną analizą. Poniżej przedstawiono kilka kluczowych kwestii technicznych.
Chociaż guz nie jest jednym z narządów zdefiniowanych przez OPM, krytycznym krokiem w tym protokole jest właściwa implantacja guzów podskórnych, aby ostatecznie zapewnić optymalne wyrównanie wszystkich narządów myszy w jamie ciała i BCAM. OPM może generować dokładne dane tylko wtedy, gdy kręgosłup myszy jest stosunkowo prosty, a narządy wewnętrzne są ustawione neutralnie. Zbyt duże lub źle umieszczone guzy mogą wpływać na postawę myszy i wciskać się w jej jamę ciała, przesuwając w ten sposób narządy wewnętrzne. Ta zmiana z kolei zniekształci analizę ilościową wynikającą z algorytmu OPM. Inni donosili o wpływie nieprostego kręgosłupa na wyrównanie narządów wewnętrznych przy użyciu różnych modalności obrazowania i algorytmów segmentacji13,14. Dlatego tak ważne jest, aby używać szablonu do kierowania implantacją guza i ścisłego monitorowania wzrostu guza, aby upewnić się, że guzy są zarówno prawidłowo ustawione, jak i w idealnym zakresie wielkości.
Kolejnym obszarem możliwych odchyleń jest wybór BCAM o odpowiedniej wielkości. BCAM są tworzone w całkach 2 g, w zakresie 18-26 g. Ponieważ jednak myszy o różnym składzie ciała (np. więcej mięśni w porównaniu z większą ilością tłuszczu) mogą mieć tę samą masę ciała, ale różne rozmiary fizyczne, ważne jest, aby wybrać najbardziej pasujący BCAM, używając ich masy ciała jako ogólnego odniesienia. Wyrównaj w górę lub w dół metodą prób i błędów i pamiętaj, że prawidłowe wyrównanie ma kluczowe znaczenie. Wybór zbyt dużego BCAM spowoduje, że narządy wewnętrzne myszy "zapadną się" bliżej dna łóżka, co szczególnie wpłynie na dokładność analizy narządów grzbietowych, takich jak nerki i kręgosłup. W przeciwieństwie do tego, umieszczenie myszy w BCAM, która jest zbyt mała, może naciskać na ich jamy ciała, zniekształcić położenie narządów i potencjalnie powodować trudności w oddychaniu. Użycie taśmy, aby upewnić się, że kończyny są zabezpieczone na platformach łap, pomoże w ustawieniu i ustawieniu.
Chociaż ten raportowany przepływ pracy umożliwia ustandaryzowaną i zautomatyzowaną analizę obrazu PET, warto podkreślić, że obecny OPM jest skonstruowany w oparciu o immunokompetentny szczep myszy C57BL/6 i zdrowe myszy. Inne szczepy i warunki zdrowotne myszy mogą wykazywać różne cechy anatomiczne, które wymagają dodatkowego dostosowania, optymalizacji i walidacji algorytmu. Na przykład szczepy z niedoborem odporności, takie jak NSG lub NCG, mają mniejsze śledziony. Podobnie myszy z ortotopowymi implantami nowotworowymi mogą mieć różne rozmiary, kształty i lokalizacje narządów wewnętrznych w zależności od ich statusu chorobowego. Innym ograniczeniem tego przepływu pracy jest ogólna przepustowość w fazie pozyskiwania eksperymentu. Wynika to głównie z dodatkowego czasu potrzebnego do prawidłowego skonfigurowania myszy w BCAM. Szkolenie i praktyka mogą zwiększyć wydajność operatora w prawidłowym ustawieniu. Dodanie drugiej stacji dokującej może również zwiększyć ogólną przepustowość, przy czym jedna stacja dokująca może służyć do konfiguracji BCAM, a druga może służyć do wyjmowania myszy do klatki odzyskiwania. Niemniej jednak, nawet przy wydłużonym czasie wymaganym do konfiguracji BCAM przed skanowaniem, inwestycja w czas zwraca się, oszczędzając czas po stronie analizy danych. Na przykład w niniejszym badaniu OPM potrzebował mniej niż 10 minut, aby przeanalizować dziesięć obrazów (z 4 zwrotami akcji), podczas gdy bardzo doświadczony analityk potrzebował 3-4 godzin, aby ręcznie segmentować i analizować ten sam zestaw obrazów i ROI. Niedoświadczony analityk potrzebowałby jeszcze więcej czasu na ręczną analizę. Platforma SaaS pozwala na analizę skanów PET w dużych seriach, gdzie pełna analiza biodystrybucji in vivo może zostać zakończona w ciągu kilku minut po przesłaniu danych. Jest to niezwykle przydatna funkcja w przypadku obsługi dużych ilości danych z wielu grup i/lub w kilku punktach czasowych, jak omówiono poniżej.
Ręczna segmentacja narządów dla pojedynczego podmiotu może być czasochłonna i zwykle wymaga znacznego wcześniejszego przeszkolenia operatora. Nawet przy odpowiednim przeszkoleniu analizy ręczne nieuchronnie napotykają na zmienność między operatorami, która może zniekształcić wyniki ilościowe15,16. Z kolei zautomatyzowana segmentacja i analiza danych mogą dokładnie i skutecznie określić ogólną biodystrybucję radioznacznika i wyeliminować zmienność zakorzenioną w operacjach człowieka. Takie korzyści płynące z automatyzacji zaobserwowano zarówno w analizie obrazu klinicznego, jak i w przestrzeni przedklinicznej. Na przykład Sluis i in. wykazali, że pojedynczy skan wymagał 4 godzin na segmentację narządów będących przedmiotem zainteresowania, w porównaniu z 30 minutami przy użyciu metod opartych na chmurze opartych na sztucznej inteligencji17. Inne badanie przeprowadzone przez Nazari i wsp. wykazało również, że oparta na algorytmach analiza wątroby i nerek wykazała dokładne wyniki w granicach 7,0% w porównaniu z dwoma ludzkimi fizykami medycznymi. Dane przedstawione na rysunku 4 wyraźnie pokazały również niezawodność procesu analizy obrazowania PET opartego na modelu SaaS oraz to, że zautomatyzowana analiza przyniosła spójne wyniki w porównaniu z analizą ręczną.
Podsumowując, artykuł ten ilustruje przebieg pracy związany z wykorzystaniem form BCAM w celu ułatwienia standaryzacji przedklinicznego pozyskiwania obrazów PET/CT, a także automatycznej analizy danych PET z obsługą SaaS. Wykazano, że ta technologia platformy jest stosunkowo prosta do zastosowania, a jakość danych generowanych przez automatyzację jest zgodna z ręczną analizą, ale oferuje znaczne korzyści w zakresie oszczędności czasu. W związku z tym ten przepływ pracy może zaoszczędzić badaczom setki godzin czasu poświęconego na analizę danych oraz pomóc w standaryzacji i zmniejszeniu zmienności między operatorami. Procedura ta może pomóc w opracowaniu wielu związków leczniczych w różnych modalnościach i wskazaniach. W szczególności modalności wielkocząsteczkowe, takie jak przeciwciała terapeutyczne, bispecyficzne przeciwciała zagęszczające komórki odpornościowe, koniugaty przeciwciało-lek, a nawet nanocząstki, można łatwo znakować radiometalami (np. Zr-89, Cu-64), aby umożliwić ocenę biodystrybucji za pośrednictwem obrazowania PET19,20. Podobnie, ta technologia platformy może pomóc w określeniu dozymetrii nowych radioterapii u myszy21. Zastosowanie tej procedury będzie miało wielką wartość dodaną dla rozwoju leków.