数字病理学正在改变病理学的实践。数字病理学最初的好处包括教育和档案用例。此外，创建玻片的数字表示将物理玻片上包含的形态特征转换为数字数据。这允许更容易的合作和增加对病理材料的访问。所有这些因素都代表着病理学家在为患者生成诊断报告时所执行的传统任务的改进。玻璃载片(模拟数据)转换为整个载片图像(数字数据)代表了提供增强诊断报告的新机会。定量图像分析代表了一种新的机会，特别是考虑到最近发展的基于免疫的恶性肿瘤治疗。
先前的定量图像分析工作主要涉及乳腺癌——特别是雌激素受体、孕酮受体和HER2表达的定量。这种图像分析受到技术限制。以前，只有小的领域可以分析。这种限制要求病理学家选择一个区域进行分析。在这个工作流程中，一个平凡的选择领域的任务依赖于病理学家。虽然选择领域是一个次要的任务，病理学家代表了一个瓶颈，有效地得到组织分析。让病理学家选择一个领域的另一个副产品是病理学家可以简单地手动解释结果。如果数字评估不能比手工评估提供实质性的改进，则很难推动采用。雌激素和孕激素受体都是核免疫染色，是比较容易解释的染色，然而，HER2是一种膜性蛋白，免疫染色的强度在解释中至关重要。此外，乳腺癌常与良性组织成分混杂在一起，必须从癌中分离出来，以便于报告。 This intermingling causes difficulty with tumour selection and impedes the use of digital quantification. However, increased billing revenue has been attributed to the digital quantification and so some institutions have begun using digital quantification for reporting out results.
恶性肿瘤的增殖指数可以通过Ki-67免疫染色进行评估，神经内分泌肿瘤是最常见的肿瘤类型，利用该肿瘤预测预后。虽然这是一种核染色，但仍有很多报道是用“眼球”法查出来的。报道解读不需要“眼球”法之外的精细评估，这就成为了惯例。在过去的几年里，技术的进步已经允许整个幻灯片图像分析执行。此外，人工智能算法正在开发中，可以最大限度地减少病理学家在进行图像分析之前进行区域选择的需要。这些进步使定量图像分析成为病理学部门有价值的报告工具。
在匹兹堡大学医学中心，我们有兴趣为我们的肿瘤学家提供CD8细胞的定量计数。我们对口咽鳞状细胞癌中的CD8细胞进行了定量图像分析。我们从多个肿瘤的组织微阵列(TMA)开始。我们对TMA组织切片进行CD8免疫染色。每个岩心都是人工计数的，这用于评估岩心定量图像分析的可靠性。对图像分析算法进行优化，确定了图像分析算法的参数。接下来，用同样的算法来量化TMA切片内的CD8浓度，该切片之前已经用不同的方法(AQUA)量化过。结果表明，两种方法具有相似的预测能力。基于这些发现，我们决定在结果已知的人群的CD8免疫染色切片上使用相同的定量算法。基于人群的结果，我们能够建立与预后好与预后差相关的分割线。 The unique aspect of this analysis was that we performed it on a whole tissue section – no fields for selection were necessary.
这代表了工作流程的重大改进，因为它不需要病理学家在进行图像分析之前进行干预。然而，这并不能将病理学家从这个过程中移除。我们生成执行分析的程序，然后由病理学家签出图像分析程序报告。签出的病理学家有义务检查分析的准确性并确认结果。该方法定量的细胞数量可达1 -10万个。这个数量的细胞是不可能用人工(模拟)方法来计算的。我们选择将细胞数量除以所分析的面积，以生成CD8炎症浸润的密度。提供面积测量也是手工(模拟)方法难以完成的任务。历史上，经常推荐使用高倍场，但显微镜组件的可变性增加了使用这一标准测量区域的复杂性。从数字幻灯片中生成测量结果非常容易。 Therefore, the only method that we could use to generate our results was to use automated image analysis. By using the entire tissue section, we have also eliminated selection bias introduced by choosing fields to analyse.
我们一直在努力扩大对其他类型恶性肿瘤的图像分析。关于结肠癌中CD8细胞的定量研究已经发表了许多论文。我们已经开始在结肠癌中使用CD8细胞的量化方法。我们用于图像分析的系统是一个商业可用的系统，它提供了图像分析工具，因此我们认为我们对CD8细胞的量化工作比以前发表的方法代表了一种更广泛的方法。尽管不太可能每个病理部门都进行定量图像分析，但应该只有少数商业实体可以使用这项技术。我们还致力于扩大其他类型实体性恶性肿瘤中CD8细胞的定量图像分析。
定量CD8细胞最初被描述为一个积极的预后因素，我们最初的研究也发现了类似的结果。然而，基于免疫的疗法现在被用于实体恶性肿瘤，而实体恶性肿瘤中CD8细胞的量化可能与使用基于免疫的疗法有关。我们将继续探索CD8细胞的量化在免疫治疗中可能发挥的作用——无论是决定使用的治疗类型还是对治疗的反应。尽管关于CD8与实体性恶性肿瘤的相关性已有大量文献，但可能还有其他免疫细胞与预测免疫治疗相关。这些免疫细胞可能已经为人所知，或者尚未被发现。鉴于免疫系统的性质，细胞的数字量化对于在诊断报告中使用这些细胞是至关重要的。
免疫疗法正在改变肿瘤治疗的实践。随着更多免疫疗法的发布，帮助我们的临床同事决定使用哪种疗法以优化患者的预后将变得很重要。我们已经开发了一种自动量化CD8细胞在整个组织切片上的方法，可以帮助评估实体性恶性肿瘤的预后。我们正在使用同样的方法来进一步评估它是否可以用于预测实体性恶性肿瘤的治疗类型。
