Skip to main content
SpringerLink
Log in

Digitale Pathologie in der Immunonkologie – Aktuelle Chancen und Herausforderungen

Überblick zur Analyse von Immunzellinfiltraten mittels Whole Slide Imaging

Digital pathology in immuno-oncology—current opportunities and challenges

Overview of the analysis of immune cell infiltrates using whole slide imaging

  • Schwerpunkt: Immunpathologie
  • Published:
Der Pathologe Aims and scope Submit manuscript

Zusammenfassung

Hintergrund

Die Immunonkologie erfordert objektive und standardisierte Methoden zur Messung von Immunzellinfiltraten für Therapiewahl und klinische Studien.

Fragestellung

Gegenwärtige Ansätze in der Anwendung der digitalen Pathologie in der Immunonkologie sowie die aktuelle Entwicklung technischer Bildanalyseverfahren wurden analysiert.

Methoden

Review bisheriger Meilensteine und Diskussion aktueller technischer Entwicklungen.

Ergebnisse

Seit 2008 spielt die digitale Pathologie eine zunehmend wichtige Rolle in der Immunonkologie. Sie ist gegenwärtig die einzige Technik, die systematisch und kostengünstig ein quantitatives, räumliches Immunprofiling von Tumorgewebe erlaubt. Die Analyse immunologischer Biomarker erfordert integrierte Färbungs- und Bildauswertungsstrategien von Einzel- bis Multifärbungen auf Slide-Stacks. Dabei sind statistische Grenzen des Messbaren bei den zu überprüfenden Hypothesen zu beachten. Die digitale Bildanalyse verschafft der Pathologie im Bereich der Immunonkologie ein neues technologisches Standbein und dient so als Fortschrittstreiber.

Schlussfolgerungen

Digitale Pathologie liefert objektive quantitative Daten zur Tumormikroumgebung. Gegenwärtig fehlt es jedoch noch an einer hochdurchsatzfähigen vollautomatischen Bildanalytik. Abhilfe verspricht hier das Deep Learning als neue Bildanalytik, die mit steigendem Datenvolumen eine zunehmende Automatisierung liefert. Dies erfordert den Aufbau systematischer globaler Datensammlungen und liefert ein vollautomatisches, standardisiertes Immunprofiling.

Abstract

Background

Immuno-oncology requires objective and standardized methods for measuring immune cell infiltrates for therapy selection and clinical trials.

Methods

Current approaches in applying digital pathology in immuno-oncology and developments in computational image analysis were analyzed.

Results

Since 2008, digital pathology has had an ever increasing importance in immuno-oncology. It is currently the only technology allowing the systematic and cost-effective quantitative spatial immune-profiling of patients. The analysis of immunological biomarkers requires integrated staining and image analysis strategies from single- to multistain on slide stacks. Statistical limits of the hypothesis to be tested have to be taken into account. Digital image analysis opens a new technological role for pathology in immuno-oncology and thereby serves as a key technological driver.

Conclusion

Digital pathology delivers objective and quantitative data on the tumor microenvironment. But currently, a fully automatic, high-throughput analytics capability is still missing. Deep learning is the remedy for this, as it improves image analysis with increasing data availability. This requires the creation of systematic data collections but will in the end deliver standardized and automatic immunological analyses.

This is a preview of subscription content, log in via an institution to check access.

Access this article

Log in via an institution

Price excludes VAT (USA)
Tax calculation will be finalised during checkout.

Instant access to the full article PDF.

Institutional subscriptions

Abb. 1
Abb. 2
Abb. 3
Abb. 4

Literatur

  1. Bankhead P, Loughrey MB, Fernández JA et al (2017) QuPath: Open source software for digital pathology image analysis. Sci Rep. https://doi.org/10.1038/s41598-017-17204-5

    Article  PubMed  PubMed Central  Google Scholar 

  2. Clark WH, From L, Bernardino EA et al (1969) The histogenesis and biologic behavior of primary human malignant melanomas of the skin. Cancer Res 29(3):705–227

    PubMed  Google Scholar 

  3. Coley WB (1991) The treatment of malignant tumors by repeated inoculations of erysipelas. With a report of ten original cases. 1893. Clin Orthop Relat Res 1991(262):3–11

    Google Scholar 

  4. David H (1988) Rudolf Virchow and modern aspects of tumor pathology. Pathol Res Pract 183:356–364. https://doi.org/10.1016/S0344-0338(88)80138-9

    Article  CAS  PubMed  Google Scholar 

  5. Ehteshami Bejnordi B, Veta M, van Diest JP et al (2017) Diagnostic assessment of deep learning algorithms for detection of lymph node metastases in women with breast cancer. JAMA 318:2199. https://doi.org/10.1001/jama.2017.14585

    Article  PubMed  PubMed Central  Google Scholar 

  6. Galon J, Costes A, Sanchez-Cabo F et al (2006) Type, density, and location of immune cells within human colorectal tumors predict clinical outcome. Science 313:1960–1964. https://doi.org/10.1126/science.1129139

    Article  CAS  Google Scholar 

  7. Gooden MJM, De Bock GH, Leffers N et al (2011) The prognostic influence of tumour-infiltrating lymphocytes in cancer: a systematic review with meta-analysis. Br J Cancer 105:93–103. https://doi.org/10.1038/bjc.2011.189

    Article  CAS  PubMed  PubMed Central  Google Scholar 

  8. Halama N, Zoernig I, Spille A et al (2010) Quantification of prognostic immune cell markers in colorectal cancer using whole slide imaging tumor maps. Anal Quant Cytol Histol 32:333–340

    PubMed  Google Scholar 

  9. Hufnagl P, Zwönitzer R, Haroske G (2018) Leitfaden Digitale Pathologie, S 1–27

    Google Scholar 

  10. Husby G, Hoagland PM, Strickland RG, Williams RC (1976) Tissue T and B cell infiltration of primary and metastatic cancer. J Clin Invest 57:1471–1482. https://doi.org/10.1172/JCI108417

    Article  CAS  PubMed  PubMed Central  Google Scholar 

  11. Klintrup K, Mäkinen JM, Kauppila S et al (2005) Inflammation and prognosis in colorectal cancer. Eur J Cancer 41:2645–2654. https://doi.org/10.1016/j.ejca.2005.07.017

    Article  PubMed  Google Scholar 

  12. Michel S, Benner A, Tariverdian M et al (2008) High density of FOXP3-positive T cells infiltrating colorectal cancers with microsatellite instability. Br J Cancer. https://doi.org/10.1038/sj.bjc.6604756

    Article  PubMed  PubMed Central  Google Scholar 

  13. Mihm MC, Mulé JJ (2015) Reflections on the Histopathology of tumor-infiltrating lymphocytes in melanoma and the host immune response. Cancer Immunol Res 3:827–835. https://doi.org/10.1158/2326-6066.CIR-15-0143

    Article  CAS  PubMed  PubMed Central  Google Scholar 

  14. Nagar Y, Malone TW (2011) Making Business Predictions by Combining Human and Machine Intelligence in Prediction Markets. ICIS. http://aisel.aisnet.org/icis2011/proceedings/knowledge/20

    Google Scholar 

  15. Remark R, Merghoub T, Grabe N et al (2016) In-depth tissue profiling using multiplexed immunohistochemical consecutive staining on single slide. Sci Immunol. https://doi.org/10.1126/sciimmunol.aaf6925

    Article  PubMed  Google Scholar 

  16. Szegedy C, Liu W, Jia Y et al (2015) Going deeper with convolutions. Proc Ieee Comput Soc Conf Comput Vis Pattern Recognit 07–12:1–9. https://doi.org/10.1109/CVPR.2015.7298594

    Article  Google Scholar 

  17. The Royal College of Pathologists (2018) Meeting pathology demand—Histopathology workforce census

  18. Zlobec I, Baker K, Minoo P et al (2009) Tumor border configuration added to TNM staging better stratifies stage II colorectal cancer patients into prognostic subgroups. Cancer 115:4021–4029. https://doi.org/10.1002/cncr.24450

    Article  PubMed  Google Scholar 

Download references

Author information

Authors and Affiliations

  1. Nationales Centrum für Tumorerkrankungen und Medizinische Onkologie, Universitätsklinikum Heidelberg, Heidelberg, Deutschland

    N. Grabe

  2. Institut für Pathologie, Universitätsmedizin Mainz, Mainz, Deutschland

    W. Roth & S. Foersch

  3. Tissue Imaging & Analysis Center, Universität Heidelberg, Im Neuenheimer Feld 267, 69120, Heidelberg, Deutschland

    N. Grabe

Authors
  1. N. Grabe
    View author publications

    You can also search for this author in PubMed Google Scholar

  2. W. Roth
    View author publications

    You can also search for this author in PubMed Google Scholar

  3. S. Foersch
    View author publications

    You can also search for this author in PubMed Google Scholar

Corresponding author

Correspondence to N. Grabe.

Ethics declarations

Interessenkonflikt

N. Grabe, W. Roth und S. Foersch geben an, dass kein Interessenkonflikt besteht.

Dieser Beitrag beinhaltet keine von den Autoren durchgeführten Studien an Menschen oder Tieren.

Additional information

Schwerpunktherausgeber

W. Roth, Mainz

Rights and permissions

Reprints and permissions

About this article

Check for updates. Verify currency and authenticity via CrossMark

Cite this article

Grabe, N., Roth, W. & Foersch, S. Digitale Pathologie in der Immunonkologie – Aktuelle Chancen und Herausforderungen. Pathologe 39, 539–545 (2018). https://doi.org/10.1007/s00292-018-0540-9

Download citation

  • Published:

  • Issue Date:

  • DOI: https://doi.org/10.1007/s00292-018-0540-9

Schlüsselwörter

Keywords

Search

Navigation