گروهی از محققان یکی از شرکتهای فناور مستقر در پارک علم و فناوری استان آذربایجان غربی اسکنر لام تشخیصی برای تشخیص سرطان پستان را تجاریسازی کردند.
به گزارش پایگاه خبری دنیای برند، اسکنر لام میکروسکوپی یا اسلاید اسکنر به سیستمی گفته میشود که قادر است لامهای شیشهای میکروسکوپی را در ورودی، دریافت و با انجام تصویربرداری میکروسکوپی دیجیتال از آنها، لامهای مجازی تولید کند.
اسکنر لام میکروسکوپی (Whole Slide Scanner یا اسلاید اسکنر) به سیستمی گفته میشود که قادر است لامهای شیشهای میکروسکوپی را در ورودی دریافت کند و با انجام تصویربرداری میکروسکوپی دیجیتال از آنها، لامهای مجازی تولید کند. لام مجازی (Virtual Slide) یک تصویر بزرگ دیجیتالی (معمولاً با رزولوشن بالای ۱۰۰ مگاپیکسل تا ۱۵ گیگاپیکسل) است که از به هم چسباندن تصاویر کوچکتر به صورت موزاییکی تشکیل میشود.
لام مجازی نیز یک تصویر بزرگ دیجیتالی است که از به هم چسباندن تصاویر کوچکتر به صورت موزاییکی تشکیل میشود. یک اسکنر لام باید قادر به اسکن خودکار انواع نمونه لامهای میکروسکوپی (پاتولوژی، بیولوژی، هماتولوژی، سیتولوژی، پاراسیتولوژی، تاکسیکولوژی، میکروآرایههای بافتی، گیاهشناسی و…) باشد.
محمد ارغوانی از محققان این طرح در گفتوگو با دنیای برند، گفت: این شرکت در زمینه تولید اسکن لام پاتولوژی و تشخیص نقاط مشکوک به سرطان پستان فعال است.
وی افزود: با استفاده از این محصول پزشک نیازی ندارد که برای اسکن و بررسی لام در آزمایشگاه حضور داشته باشد، بلکه میتواند لام را یک بار اسکن کند و در هر زمان و هر جایی با دسترسی به اینترنت میتواند اطلاعات لام پاتولوژی را استخراج کند.
این محقق حاشیهنویسی روی تصویر، اندازهگیری نقاط حساس و همچنین امکان ارائه گزارش معتبر برای نقاط مشکوک به سرطان را از دیگر مزایای این اسکنر نام برد و یادآور شد: این دستگاه تجاریسازی شده است و در حال حاضر در بخش آزمایشگاههای پاتولوژی کاربرد دارد.
وی با تاکید بر اینکه این اسکنر قادر به اسکن نمونههای کلیه ارگانها از جمله پستان، ریه و پروستات و روده کوچک و بزرگ است، اظهار کرد: ولی بخش تشخیصی آن در حال حاضر برای سرطان پستان فعال شده است و برای توسعه آن نیاز به داده و تصاویر بیشتر است و ما در حال مطالعه هستیم تا بتوانیم برای تشحیص سایر سرطانها از این اسکنر بهرهمند شویم.
به گفته این محقق، دقت ساخت اسکن در حد بالاترین دقت است، ولی با دقت ۹۲ درصد قادر به تشخیص خواهد بود.
پایان
منبع