MX2014002843A - Sistema y metodo para la deteccion de anormalidades en una muestra biologica. - Google Patents

Abstract

La presente invención se refiere a un método o sistema para la detección de anormalidades en una muestra biológica que comprende células. Tal método o sistema comprende al menos las siguientes etapas, o es capaz de llevar a cabo, y/o comprende medios capaces de llevar a cabo, al menos las siguientes etapas, respectivamente: a) adquirir una imagen de la muestra por adquisición de imagen digital, b) opcionalmente, llevar a cabo procesamiento de imagen digital, c) seleccionar un campo de visión, d) determinar, por procesamiento de imagen digital, si o no, en tal campo de visión, existen agregados de célula, y el) seleccionar un nuevo campo de visión y continuar con la etapa c) si, en la etapa d) , resulta que, en tal campo de visión, la determinación de agregados de célula es negativa, o e2) llevar a cabo etapas de proceso adicional si, en la etapa d), resulta que, en tal campo de visión, la determinación de agregados de célula es afirmativa.

Description

SISTEMA. Y METODO PARA LA DETECCION DE ANORMALIDADES EN UNA MUESTRA BIOLOGICA CAMPO DE LA INVENCION La invención se refiere al campo de detección microscópica de anormalidades en una muestra biológica que comprende células.

ANTECEDENTES DE LA INVENCION El cáncer que surge del cuello uterino es el cáncer número uno en las mujeres en muchos países industrializados así como países emergentes. Alrededor de 30% de cánceres en mujeres son debido a cáncer de cuello uterino con más de 100,000 nuevos casos diagnosticados cada año, por ejemplo, en la India. La tasa de crecimiento anual compuesta estimada (CAGR, por sus siglas en inglés) para casos de cáncer de cuello uterino es 2.56% y en esta tasa de crecimiento aproximadamente 175,000 nuevos casos de cáncer de cuello uterino se detectarán en el año 2012.

Una de las herramientas recomendadas para selección de cáncer de cuello uterino es detectar precursores citológicos de cáncer en pruebas de Papanicolaou (también llamadas citología de Papanicolaou, Prueba Pap, frotis cervical, o citología) , que es una prueba de selección usada en ginecología para detectar procesos pre-malignos y malignos en el canal cervical especialmente en la zona de transformación.

Ref: 246229 Al tomar una Prueba de Papanicolaou, un espéculo se usa para reunir células de la abertura exterior del cuello uterino del útero y el endocérvix. Las células se examinan bajo un microscopio para mirar anormalidades. Los objetivos de prueba para detectar potencxalmente cambios precancerosos , que son, entre otros, causados por virus de papiloma humano sexualmente transmitidos. La prueba sigue siendo un método efectivo, ampliamente usado para temprana detección de pre-cáncer y cáncer de cuello uterino. La prueba también puede detectar infecciones y anormalidades en el endocérvix y endometrio .

Este procedimiento ha sido efectivo en reducir la incidencia de cáncer de cuello uterino en los países desarrollados. Sin embargo, la Prueba de Papanicolaou tiene una tasa negativa falsa de 10-29%. Las razones de los resultados negativos falsos son numerosas e incluyen errores de corrección de muestra (insuficiencia para obtener células adecuadas sobre la diapositiva en términos de células que representan la zona de transformación) , errores de selección (insuficiencia para encontrar células anormales en la diapositiva) , errores de interpretación (insuficiencia para interpretar adecuadamente las células anormales) , y errores de laboratorio diverso relacionados a problemas de tinción, mal etiquetado, etc.

Uno de los principales factores es que es un reto para que un patólogo pasar a través de cada célula en la diapositiva. Cada diapositiva de Prueba de Papanicolaou tiene más de 10,000 células de diferentes rasgos morfológicos. Dependiendo de la etapa del cáncer no es improbable que únicamente una pequeña fracción de células (por ejemplo, << 1%) en la muestra es anormal. Esta anormalidad se detecta por cambios en los rasgos morfológicos de la célula tal como rasgos nucleares, membrana nuclear, relación citoplásmica nuclear etc. Por lo tanto, la observación cuidadosa de cada rasgo celular se requiere para evitar falsa impresión negativa. Esta es una tarea difícil, considerando el número limitado de patólogos calificados en el campo, la tremenda presión económica en las que trabajan, el presupuesto de tiempo limitado que tienen para cada paciente y la enorme carga de trabajo que están expuestos.

Bozzo, J. et al., (European Journal of Clinical Investigation 26 (1996) 747-754) enseña estimar una tasa de agregación de glóbulos rojos a través de análisis digital de imágenes de microscopía de luz, en donde las imágenes aleatorizadas de glóbulos rojos agregados se tomaron con una cámara CCD conectada a un microscopio y guardadas por medio de una imagen digital grabada para procesamiento y análisis adicional. Un programa de computadora específicamente desarrollado se usó para calcular una tasa representativa de agregación de glóbulos rojos considerando el número de glóbulos rojos que componen cada cilindro de eritrocitos, y el número de contactos que cada cilindro de eritrocitos tiene con otros. El programa calcula el número medio de glóbulos rojos por cilindro de eritrocitos, y el número medio de cilindro de eritrocitos en contacto con cada cilindro de eritrocitos para calcular la tasa de agregación de glóbulos rojos.

Munn, L.L. et al (Journal of Immunological Methods 166 (1993) 11-25) presenta el desarrollo y prueba de un ensayo de adhesión de linfocitos con base en mediciones morfológicas resueltas por tiempo de la agregación intercelular. Las imágenes digitales de la población celular de agregación se adquirieron y analizaron para obtener la distribución de tamaño y la forma de agregados. Al seguir la evolución temporal de la distribución de tamaño de los agregados, las tasas de eventos de agregación se pueden cuantificar y comparar con exactitud.

BREVE DESCRIPCION DE LA INVENCION De acuerdo a un primer aspecto de la invención, se proporciona un método para la detección de anormalidades en una muestra biológica que comprende células. Tal método o sistema comprende al menos las siguientes etapas, o es capaz de llevar a cabo, y/o comprende medios capaces de llevar a cabo, al menos las siguientes etapas, respectivamente: a) adquirir una imagen de la muestra por adquisición de imagen digital b) opcionalmente, llevar a cabo procesamiento de imagen digital c) seleccionar un campo de visión d) determinar, por procesamiento de imagen digital, si o no, en tal campo de visión, existen agregados de célula, y el) seleccionar un nuevo campo de visión y conducirlo con la etapa c) si, en la etapa d) , resulta que, en tal campo de visión, la determinación de los agregados de célula es negativa, o e2) llevar a cabo etapas de proceso adicional si, en la etapa d) , resulta que, en tal campo de visión, la determinación de agregados de célula es afirmativa.

El término "agregados de célula" , como se usa en la presente, se refiere a un grupo de al menos dos células que están en contacto físico una con la otra y que forman un grupo de dos o tres dimensiones.

El término "la determinación de agregados de célula es negativa" como se usa en la presente, significa que ninguno de los agregados de célula se podría encontrar en el actual campo de visión. El término "la determinación de agregados de célula es afirmativa" como se usa en la presente, significa que agregados de célula se han encontrado en el actual campo de visión, sugiriendo que el actual campo de visión podría comprender células anormales.

El proceso de acuerdo con la invención automáticamente explora la muestra para campos de visión que es probable que comprendan imágenes de células anormales - que es usualmente el caso para células que aparecen en grupos, o agregados. El enfoque por lo tanto lleva a cabo una preselección en la cual únicamente aquellos campos de visión se omiten para análisis adicional que comprende imágenes de agregados de célula, mientras que aquellos campos de visión que no comprenden imágenes de agregados de célula se descartan, ya que es poco probable que comprendan imágenes de células anormales. Esto nuevamente ahorra tiempo y reduce esfuerzos computacionales .

Además, este enfoque metodológico comprende un circuito de retroalimentación, que significativamente reduce el tiempo computacional para imagen compleja que procesa algoritmos así como simplifica la tediosa tarea de examinar cada una de las células encontradas en la muestra, esto es al reducir el tiempo de evaluación. El enfoque no analiza la imagen adquirida como un todo, sino selecciona subunidades de tal imagen, que se denominan "campo de visión" en la presente, por imagen que procesa. Una visión general del método descrito se da en la Fig. 1.

Generalmente, las células que tienen el mayor riesgo en convertirse en cancerosas son células ectocervicales, mientras que las células endocervicales tienen un menor riesgo a convertirse en cancerosas (en cuyo caso un adenocarcinoma se forma) . Las células ectocervicales también son llamadas células escamosas, mientras que las células endocervicales también son llamadas células de columna.

Sin embargo, se ha observado que también las células que tienen únicamente un pequeño riesgo a convertirse en cancerosas también tienden a formar agregados, que pueden crear alguna confusión bajo circunstancias particulares. El método de acuerdo a la invención por lo tanto comprende además las etapas de: f) determinar el grado de variación de al menos un rasgo morfológico determinado de al menos dos células en el campo de visión, y gl) clasificar la muestra como "probablemente para comprender células anormales" si el grado de variación de tal rasgo morfológico excede un umbral predeterminado, o g2) clasificar la muestra como "probablemente para comprender células normales" si el grado de variación de tal rasgo morfológico cae por debajo de un umbral predeterminado.

El término "clasificar la muestra como probablemente para comprender células anormales" es equivalente a "sospechando una muestra de anormalidad", como se muestra en la Fig. 2. El término "clasificar la muestra como probablemente para comprender células normales" es equivalente a "sospechando una muestra de células endocervicales normales", como se muestra en la Fig. 8, o, aunque clínicamente impreciso, "sospechando una muestra de células endocervicales", como se muestra en la Fig. 2.

Como se usa en la presente, el término "células anormales" se refiere ya sea a células que están en un proceso de convertirse en cancerosas, o malignas, o son cancerosas, o malignas.

Tal rasgo morfológico es al menos uno seleccionado del grupo que consiste de · tamaño de núcleo celular, o área • regularidad de la forma de una célula, y/o un núcleo celular • relación de tamaño de citoplasma al núcleo, en una célula determinada, y/o · relación de las áreas de citoplasma y núcleo, en una célula determinada.

En este enfoque complementario, la variabilidad de tal rasgo morfológico se puede usar como un rasgo distintivo adicional, ya que en los agregados de célula anormales el tamaño del núcleo varía ampliamente, mientras que los agregados de célula normales los tamaños del núcleo permanecen uniformes.

Este enfoque complementario por lo tanto sirve para identificar las células anormales, particularmente en aquellas regiones de interés que anteriormente se han identificado, por análisis de agregación celular, como sospechoso. Si la variación de tal rasgo morfológico en el campo de visión excede, estadísticamente, un umbral determinado, la muestra se puede clasificar como "probablemente para comprender células anormales" .

Los tamaños de núcleos celulares en el campo de visión pueden por ejemplo determinarse al calcular el área de imagen respectiva, por ejemplo, al contar el número de píxeles en la región respectiva. La variación de tamaños de núcleo en el campo de visión puede por ejemplo expresarse como desviación estándar de estas áreas, o al determinar la variación en el eje mayor o el eje menor de la elipse que rodea estas regiones, o la relación de estos valores. Aunque no exista valor de umbral fijado para la variación de tamaños del núcleo, los umbrales pueden determinarse a priori usando datos verdaderos de suelo que también podría variar en cuenta otros factores tal como magnificación, resolución de la imagen, etc.

El término "forma", como se usa en la presente, se refiere a la forma bidimensional de una imagen de núcleo celular, en el campo de visión. Una forma de núcleo celular se considera que tiene un alto grado de regularidad en caso de que la forma de su imagen sea circular, o cerca de circular. El criterio para determinar la forma celular es al emplear propiedades como factor de forma, perímetro, firma de membrana celular de eje mayor, eje menor.

Si la regularidad de la forma de núcleo celular está, estadísticamente, por debajo de un umbral determinado, la muestra puede también clasificarse como probablemente para comprender células anormales.

La relación de tamaño de citoplasma, o tamaño de área y núcleo, o área, en una célula determinada, es otro indicador de que se puede usar en el contexto de la presente invención. Mientras que las células normales tienen citoplasma grande y núcleo pequeño, las células anormales tienden a tener núcleos grandes y citoplasma pequeño.

El núcleo celular alberga los cambios más significativos en células pre-cancerosas y cancerosas. Por lo tanto, identificar el núcleo automáticamente puede ser un enfoque útil para detectar las células anormales en frotis cervicales. Sin embargo, la segmentación de núcleo es una tarea difícil debido a la apariencia morfológica variada con grumos y artefactos (ver Fig. 15) . Por otra parte, en algunos casos, las imágenes de la prueba de Papanicolaou son borrosas y altamente afectadas por ruidos no deseados, por ejemplo, sangre, artefactos de aire (burbujeo) , o descarga de la vagina. En algunos casos, las imágenes de prueba de Papanicolaou de ese tipo pueden llevar a un incremento en falsas alarmas cuando se analizan con un algoritmo de segmentación. Las técnicas existentes son incapaces de hacer frente a todos estos problemas. Por lo tanto una rápida y precisa técnica de segmentación de núcleo es necesaria para resolver esta cuestión.

De acuerdo a una modalidad particularmente preferida, el núcleo celular se detecta por lo tanto por una técnica óptica que abarca umbralización multinivel. Los histogramas de la imagen son usualmente la base para umbralización. Un histograma es unimodal si hay una giba, bimodal si hay dos gibas y multimodal si hay muchas gibas. Los histogramas de las imágenes de la prueba de Papanicolaou son multimodales en naturaleza (ver, por ejemplo, Fig. 11A) . De acuerdo a esta modalidad, la umbralización multinivel se ha introducido para localizar semillas iniciales para segmentación de núcleo. Esta es la primera y etapa común principal para todos los cuatro métodos anteriores.

En una modalidad más preferida, tal técnica óptica que abarca umbralización multinivel es al menos una seleccionada del grupo que consiste de • IGMT (siglas para técnica de Umbralización Multinivel basada en Ganancia de Información) • IEMT (siglas para Técnica de Umbralización Multinivel basada en Borde de color y Ganancia de Información) • IRMT (siglas para Técnica de Umbralización Multinivel Recurrente basada en Ganancia de Información) , y/o · IGTMT (siglas para Técnica de Umbralización Multinivel basada en Teoría de Grafos e Información) En la IGMT, un refinamiento de región local basado en ganancia de información se introduce después de umbralización múltiple para segmentar hacia fuera la región de nucléolo. En IEMT, el análisis de borde de color se introduce junto con ganancia de información para mejorar la precisión de la segmentación. Sin embargo, el crecimiento de la región con base en niveles de umbral múltiples globales puede llevar a la oportunidad de ba o/sobre segmentación de núcleos.

La IRMT se puede usar para refinar la región basada en umbralización multinivel local, aunque puede ser incapaz para resolver el problema de pérdida de límites. Por lo tanto, el ajuste de límite local es necesario para resolver este problema. La IGTMT se puede usar para afinar la región límite de núcleos de prueba de Papanicolaou . Los diferentes enfoques se discutirán en detalle en lo siguiente: Umbral Multinivel basado en Ganancia de Información (IGMT) En este enfoque, la ganancia de información se emplea junto con técnica de agrupación para segmentar hacia fuera núcleos de prueba de Papanicolaou. Los histogramas de imágenes de la prueba de Papanicolaou son multimodales en naturaleza. Por lo tanto en la primera etapa (procesamiento global) la umbralización multinivel se ha introducido para localizar germen inicial para segmentación de núcleo. En la siguiente etapa, la técnica de refinamiento y selección de región local basada en ganancia de información se ha introducido para afinar y aislar la región de núcleo (ver la Fig. 10A) . Si el cambio en umbral multinivel proporciona cambio abrupto en la ganancia de información para una región particular de interés (ROI) , el crecimiento de la región usando paros de desgranado multinivel.

Umbralización Multinivel basada en Borde de color y ganancia de información (IEMT) La IGMT es capaz de segmentar regiones de núcleo con mayor precisión que otras técnicas basadas en umbral. Sin embargo, debido a imágenes de la prueba de Papanicolaou desenfocadas, tinción inadecuada y otros artefactos discutidos anteriormente, la ganancia de información puede algunas veces no ser bastante suficiente para el refinamiento de la región. Por lo tanto, el análisis de borde de color se introduce junto con la ganancia de información para afinar y aislar la región de núcleo (ver Fig. 10B) . Si una oportunidad en el umbral multinivel proporciona cambio abrupto en la ganancia de información así como borde de color normalizado para una región particular de interés (ROI) , el crecimiento de la región usando trilla multinivel se detiene. Esta información adicional (borde de color) obtenida con IEMT proporciona incrementar la exactitud de la segmentación de núcleo que el método IGMT.

Los métodos IGMT y IEMT son capaces de encontrar la región de núcleo en las imágenes de la prueba de Papanicolaou. Sin embargo, el crecimiento de la región para un ROI basado en niveles de umbral múltiples puede llevar a oportunidad de bajo/sobre segmentación de núcleos (ver, por ejemplo, Fig. 11B) .

Umbralización Multinivel Recurrente basada en Ganancia de Información (IRMT) La umbralización basada en multinivel recurrente se introduce en IRMT para reducir la posibilidad de sobre/bajo segmentación de núcleos en métodos IGMT y IEMT (ver Fig. 7) . IRMT consiste de dos etapas principales: (i) selección de germen global, seguido por (ii) refinamiento de la región local .

La selección de sembrado global de las imágenes de la prueba de Papanicolaou como lo llevado a cabo en el método IRMT es idéntica a IGMT e IEMT. En el caso de un refinamiento de la región local, el método IRMT proporciona dos etapas principales : (ii.a.) Selección de límite superior e inferior del umbral para región individual: En primer lugar, el umbral óptimo t se computa usando ganancia de información y borde de color para ROI individual. Este umbral óptimo t algunas veces proporciona sobre/bajo núcleos segmentados. Por lo tanto, la región {R^) que tiene valor gris intermedio t-1 y t+1 y conectado con el ROI (RURt+i) se elige por procesamiento lejano (ver Fig. 11(B)). La idea detrás de esta etapa es que el límite del núcleo exacto se encuentra entre esta región de borde (Rub) . (ii.b.) Umbral multinivel recurrente para refinamiento de la región: La misma técnica de umbralización multinivel se aplica en el histograma de la región de borde (RUb) (ver Figs . 12A y 12B) . Los sub-umbrales obtenidos de este modo incrementarán la oportunidad de conseguir umbral óptimo más refinado usando método de crecimiento de la región basado en borde de color y ganancia de información. Esto ayudará en afinar el RO individual obtenido por el método IGMT o IEMT.

Umbralización Multinivel basado en Teoría de Grafos e Información (IGTMT) El método IRMT propuesto puede algunas veces falla para resolver el problema de pérdida de límites. La idea básica detrás del enfoque IGTMT es utilizar teoría de corte de gráficas para refinamiento de límites locales (ver Fig. 14B) .

Al igual que los enfoques previos, la umbralización multinivel global es la primera etapa en el método IGTMT, para llevar a cabo inicialización de germen de la región probable del núcleo. Esto es seguido por la selección de límite superior e inferior de umbral para región individual que es similar al método IRMT. Después de eso, para incrementar la precisión del esquema de segmentación, IGTMT introduce el flujo de corte/máximo de minuto basado en enfoque de teoría de grafo. El método IGTMT usa la medida de semejanza basada en diferencia de nivel gris de píxeles vecinos en la región RUb- Estas medidas de afinidad se usan como pesos en gráficas donde los píxeles de imagen se representan como nodos con fuente única pre-calculada y hundida (ver Fig. 13) . El corte del minuto encuentra una división de nodos de gráficas que minimizan la suma de pesos de bordes de corte. Esto introduce el concepto de granularidad que ayuda a alcanzar el límite exacto del núcleo.

En otra modalidad preferida, se proporciona que el método además comprende la etapa de determinar al menos un rasgo seleccionado del grupo de • variación de intensidad de brillo dentro de una célula y/o un núcleo celular • resaltado de una membrana celular · textura, y/o • dimensión fractal del núcleo Como se usa en la presente, el término "animado" se entenderá la variación de distancia entre puntos de límite celular del centro de la célula o un punto de referencia fijo preferiblemente dentro de la célula. El animado alto en textura se puede considerar como una indicación de anormalidad.

Como se usa en la presente, el término "textura" se entenderá las configuraciones espaciales de colores o intensidades en un núcleo o región celular. Las altas variaciones en textura se pueden considerar como una indicación de anormalidad.

Como se usa en la presente, el término "dimensión fractal del núcleo" se refiere a una cantidad estadística que da una indicación de cómo completamente un fractal aparece para llenar el espacio de una célula determinada, como uno enfoca abajo a más fino y escalas más finas.

En todavía otra modalidad preferida, el método de acuerdo a la invención además comprende al menos una etapa seleccionada del grupo que consiste de: a) inspección detallada del cuello uterino por colposcopía; b) llevar a cabo una prueba de ADN de HPV en tal muestra biológica, o en muestra nueva con propiedades comparables; c) llevar a cabo una prueba de Biomarcador en tal muestra biológica, o en muestra nueva con propiedades comparables; y/o d) inspección visual de tal muestra biológica, o de una muestra nueva con propiedades comparables, por un patólogo calificado .

Alternativamente, el método de acuerdo a la invención además comprende la etapa de recomendar además la investigación por al menos una etapa seleccionada del grupo que consiste de a) inspección detallada del cuello uterino por colposcopía ; b) llevar a cabo una prueba de ADN de HPV en tal muestra biológica, o en nueva muestra con propiedades comparables; c) llevar a cabo una prueba de Biomarcador en tal muestra biológica, o en nueva muestra con propiedades comparables; y/o d) inspección visual de tal muestra biológica, o de una nueva muestra con propiedades comparables, por un patólogo calificado .

La colposcopía es un procedimiento de diagnóstico médico para examinar una vista magnificada, iluminada del cuello uterino y los tejidos de la vagina y vulva. Sobre todo con objeto de detectar lesiones premalignas y lesiones malignas que pueden resultar en cáncer. La colposcopía se hace usando un colposcopio, que proporciona una vista ampliada de las áreas, permitiendo al colposcopista distinguir visualmente tejido que parece normal del anormal y tomar biopsias dirigidas para examen patológico adicional . La meta principal de colposcopía es evitar cáncer de cuello uterino al detectar lesiones pre-cancerosas tempranamente y tratarlas.

Una prueba de ADN de HPV detecta infección cervical con virus de papiloma humano (HPV, por sus siglas en inglés) , que es una de las causas infecciosas más importantes de cáncer de cuello uterino. El 84% de nuevos cánceres de cuello uterino estaban en el mundo en desarrollo, comparado con alrededor de 50% de todos los nuevos cánceres. Los kits de prueba de ADN de HPV están hoy comercialmente disponibles. Tal prueba se puede llevar a cabo durante una citología de rutina, como se describió anteriormente (en cuyo caso parte de la muestra de frotis se toma para la prueba de ADN de HPV, mientras otra parte se toma para el método de acuerdo a la invención, o con una muestra nuevamente tomada con propiedades comparables, y se puede usar para mejorar, confirmar o falsificar la importancia del diagnóstico del método de acuerdo a la invención .

Las pruebas de Biomarcador se han desarrollado para investigar si o no un paciente sospechoso de estar predispuesto para cáncer de cuello uterino, o un paciente que se sospecha para que tenga cáncer de cuello uterino, o en el cual el cáncer de cuello uterino ya se ha diagnosticado, tiene, en su genoma o proteoma, una anormalidad que coincide con incrementar o disminuir probabilidad de conseguir un cáncer determinado, o que coincide con incrementar o disminuir sensibilidad hacia una terapia determinada. Tal anormalidad es, por ejemplo, una mutación en un gen determinado, una anormalidad en un rasgo epigenómico, como metilación de ADN, o una anormalidad con respecto a expresión de un gen determinado .

En todavía otra modalidad preferida del método de acuerdo a la invención, la adquisición de imagen se lleva a cabo por medio de un explorador. Como una alternativa, un dispositivo de proyección de imagen bidimensional se puede usar. En ambos casos el dispositivo de proyección de imagen es preferiblemente un CCD (lineal o bi-dimensional) o un CMOS (lineal o bi-dimensional) .

En otra modalidad preferida del método de acuerdo a la invención, la adquisición de imagen se lleva a cabo por medio de un dispositivo de magnificación óptica. Tal dispositivo de magnificación óptica es, por ejemplo, un microscopio.

En todavía otra modalidad preferida, el método de acuerdo a la invención, además comprende, antes de la etapa a) , una etapa en la cual una imagen de la muestra se adquiere en magnificación inferior, como es el caso en la etapa a) . En esta modalidad, una imagen general se hace primero. La visión general de la diapositiva de magnificación baja se procesa por el algoritmo para identificar las regiones sospechosas por anormalidad y aquella región sospechosa además se exploran con magnificación superior. Esto proporcionará una ventaja de exploración rápida de las diapositivas. En aún otra modalidad preferida del método de acuerdo a la invención, las etapas b) y siguientes se llevan a cabo mientras que la adquisición de imagen digital y/o el procesamiento de imagen digital está todavía en proceso.

Este enfoque metodológico, que es también llamado "sobre la marcha" o "tiempo real", reduce el tiempo computacional para imagen compleja que procesa algoritmos así como simplifica la tediosa tarea de examinar cada una de las células encontradas en la muestra al reducir el tiempo de evaluación .

Además, este enfoque permite privarse de un archivo de imagen de las imágenes en bruto. En tal modalidad, es posible únicamente almacenar sólo las imágenes procesadas seleccionadas (ver, por ejemplo, Fig. 5), o aún únicamente los datos sin imagen extraídas de tales imágenes.

Además, tal enfoque de tiempo real permite que un patólogo/operador intervenga en el proceso, por ejemplo, para afinar variables discriminantes, o para enseñar el sistema en que los resultados de una etapa de método determinado se aceptan, o rechazan como falsos.

En aún otra modalidad preferida del método de acuerdo a la invención, la etapa d) comprende al menos las etapas de · Segmentación de núcleos celulares, y • Determinar los centroides de cada célula.

Preferiblemente, el último se puede hacer al determinar la distancia inter-núcleos de al menos dos células.

Como se usa en la presente, el término "segmentación de núcleos celulares" se refiere al proceso de división de una imagen digital que comprende la imagen de al menos una célula en segmentos múltiples (conjuntos de píxeles con objeto de identificar los núcleos celulares. Más precisamente, la segmentación de imagen es el proceso de asignar una etiqueta para cada píxel en una imagen de tal forma que los píxeles con la misma etiqueta comparten ciertas características visuales. El resultado de la segmentación de imagen es un conjunto de segmentos que colectivamente cubren la imagen completa, o un conjunto de contornos extraídos de la imagen (ver detección de borde) . Cada uno de los píxeles en una región es similar con respecto a alguna característica o propiedad computarizada, tal como color, intensidad, o textura. Las regiones adyacentes son significativamente diferentes con respecto a las mismas características. Cuando aplicado a un montón de imágenes, típico en formación de imágenes médicas, los contornos resultantes después de la segmentación de imagen se pueden usar para crear reconstrucciones 3D con la ayuda de algoritmos de interpolación como cubos de marcha.

Como se usa en la presente, el término "centroide de una célula" se refiere al centro geométrico, o baricentro, de una imagen bidimensional de la célula, como se determina con los métodos de procesamiento de imagen digital, por ejemplo, por momentos de imagen .

En otra modalidad preferida de la presente invención, la muestra biológica que comprende células es una muestra cervical. Sin embargo, ya que los principios de génesis de cáncer y transformación celular son ubicuos, el método también se puede usar con muestras de otros tejidos corporales que tienen que verificarse por anormalidades, como muestras de pecho, muestras de próstata, muestras de hígado, muestras de pulmón y así sucesivamente.

En caso de que la muestra biológica que comprende células sea una muestra cervical, se prefiere además el método que comprende además al menos una etapa seleccionada del grupo que consiste de: • clasificar células comprendidas en una muestra que es probablemente para comprender células normales como "endocervical normal" o "ectocervical normal" basado en un conjunto de criterios predeterminados, y/o · clasificar células comprendidas en una muestra que es probablemente para comprender células anormales como "endocervical anormal o "ectocervical anormal" basado en un conjunto de criterios predeterminados.

Nuevamente es importante mencionar que el término "células ectocervicales" se usa, intercambiablemente, con el término "células escamosas" en la presente.

Además, se prefiere que el método de acuerdo a la invención además comprende al menos una etapa de contar un tipo de célula determinada, o actualizar un recuento existente de los mismos.

Además se prefiere que la muestra biológica que comprende células comprende al menos una muestra seleccionada del grupo que consiste de • muestra de frotis · rebanada de tejido • muestra de líquido, y/o • cualquier otra muestra de citología.

Una muestra de frotis es por ejemplo similar o idéntica a aquellas muestras usadas en las pruebas de Papanicolaou (también llamadas citología de Papanicolaou, prueba Pap, frotis cervical, o citología) . Una rebanada de tejido es por ejemplo, en rebanadas por un micrótomo. Una muestra líquida preferiblemente puede consistir de una suspensión de células, por ejemplo, obtenida por un frotis.

Otras muestras adecuadas comprenden, pero no se limitan a, muestras de citología por aspiración con aguja fina (FNAC, por sus siglas en inglés), muestras de citología abrasiva y/o muestras exfoliadas.

Es necesario decir que en los diagramas de flujo, el término diapositiva se usa. En muchos casos una muestra se coloca de hecho sobre una diapositiva para que esté disponible para investigación, por ejemplo, una rebanada de tejido, o un frotis. Sin embargo, otros dispositivos también se pueden usar para llevar una muestra, por ejemplo, una pequeña cubeta en el caso de que la muestra sea una muestra líquida o un cartucho den el caso de que la muestra sea una muestra de cepillo. El término rebana como se usa en los diagramas de flujo es de ninguna manera interpretado para limitar el alcance de la presente invención.

En una modalidad particularmente preferida de la presente invención, la muestra biológica que comprende células está manchada, preferiblemente antes de la etapa a) de adquisición de imagen. Los tintes que preferiblemente se usan comprenden tinte Pap, estatina Pap ultra rápida, tinte tipo Romanowsky, tinte Haris Haematoxilina, tintes fluorescentes como Anaranjado Achrodyn, y tinte H & E.

En otra modalidad preferida del método de acuerdo a la invención enfoques mejorados de imagen óptica y/o digital se usan .

La mejora de la imagen óptica preferiblemente se lleva a cabo antes de la etapa a) de adquisición de imagen. Los métodos preferidos, aunque no limitativos, comprenden microscopía de campo oscuro, contraste de fase, contraste de interferencia diferencial (DIC, por sus siglas en inglés) y/o contraste de interferencia reflejado (RIC, por sus siglas en inglés) . La mejora de contraste digital preferiblemente se lleva a cabo después de la etapa a) de adquisición de imagen.

Los métodos preferidos comprenden microscopía de campo brillante, por ejemplo un microscopio de transmisión típica.

En todavía otra modalidad preferida del método de acuerdo a la invención las etapas b) y siguientes se llevan a cabo mientras que los datos relacionados a la imagen adquirida, o partes de los mismos, está todavía en una memoria volátil.

Como se usa en la presente, el término memoria volátil se usa intercambiablemente con el término memoria temporal, y se entenderá de tal forma que los datos relacionados a la imagen adquirida todavía no se almacenarán en el disco duro o en un almacenamiento instantáneo. Una forma preferida de tal memoria volátil es una memoria de acceso aleatorio (RAM) usada por el procesador de imagen, o por el CPU de la computadora.

De acuerdo a todavía otro aspecto de la invención un sistema para la detección de anormalidades en una muestra biológica que comprende células se proporciona. El sistema es capaz de llevar a cabo, y/o comprende medios capaces de llevar a cabo, al menos las siguientes etapas: a) adquirir una imagen de la muestra por la adquisición de imagen digital b) opcionalmente , llevar a cabo procesamiento de imagen digital c) seleccionar un campo de visión d) determinar, por procesamiento de imagen digital, si o no, en tal campo de visión, existen agregados de célula, y el) seleccionar un nuevo campo de visión y continuar con la etapa c) si, en la etapa d) , resulta que, en tal campo de visión, la determinación de agregados de célula es negativa, o e2) llevar a cabo etapas de proceso adicional si, en la etapa d) , resulta que, en tal campo de visión, la determinación de agregados de célula es afirmativa.

Es particularmente preferible que tal sistema es además capaz de llevar a cabo, y/o comprende además medios capaces de llevar a cabo tales etapas de: f) determinar el grado de variación de al menos un rasgo morfológico determinado de al menos dos células en el campo de visión, y gl) clasificar la muestra como "probablemente para comprender células anormales" si el grado de variación de tal rasgo morfológico excede un umbral predeterminado, o g2) clasificar la muestra como "probablemente para comprender células normales" si el grado de variación de tal rasgo morfológico cae por debajo de un umbral predeterminado .

Además, tal sistema preferiblemente es capaz para llevar a cabo, y/o comprende además medios capaces de llevar a cabo las otras etapas de método discutidas anteriormente .

De acuerdo todavía a otro aspecto de la invención un dispositivo para la detección de anormalidades en una muestra biológica que comprende células, se proporciona. El dispositivo comprende al menos los siguientes elementos: • una unidad de recepción de muestra para recibir la muestra biológica • una unidad de adquisición de imagen digital para adquirir una imagen digital de la muestra • una unidad de procesamiento de imagen digital para llevar a cabo al menos una de las etapas de método de acuerdo a la invención, y • una ínterfaz de usuario que comprende al menos uno de los medios de salida y uno de los medios de entrada.

Tales medios de salida son preferiblemente una visualización, o una pantalla táctil, mientras que tales medios de entrada son preferiblemente una colección de teclas, o botones, o una pantalla táctil.

Es importante mencionar que el método de acuerdo a la invención no se limita al uso en tal dispositivo. También se puede usar "autónomo" para la detección de ubicaciones/regiones en una diapositiva o conjunto de imágenes que se sospecha contienen imágenes de células anormales.

En una modalidad preferida, el dispositivo de acuerdo a la invención además comprende al menos una unidad de magnificación óptica.

En otra modalidad preferida, el dispositivo de acuerdo a la invención además comprende al menos una interfaz para conectar el dispositivo con otro equipo. Tal interfaz es, preferiblemente, una interfaz GSM, una interfaz 3G, una interfaz USB, una interfaz Bluetooth, una interfaz Firewire y/o una interfaz WiFi, terminal de hipertexto, etc.

En otra modalidad preferida, el dispositivo de acuerdo a la invención además comprende al menos un colector de muestra y/o al menos un cartucho en el cual la muestra se transfiere, tal cartucho que se coloca para colocar en la unidad de recepción de muestra.

El sistema que son dispositivos discutidos anteriormente está preferiblemente en la forma de un punto de que son dispositivos (POC) . Preferiblemente, esto se proporciona como una unidad portátil o de escritorio. Aún más preferiblemente, es impulsada por batería y/o portátil.

De acuerdo a otro aspecto de la invención, el uso de un método, un sistema y/o un dispositivo de acuerdo a la invención para al menos un propósito seleccionado del grupo de • selección de cáncer • diagnóstico de cáncer · predicción con respecto a una terapia determinada, y/o • monitoreo concomitante de una terapia de cáncer determinado se proporciona.

BREVE DESCRIPCION DE LAS FIGURAS Estos y otros aspectos de la invención serán evidentes a partir de y aclararán con referencia a las modalidades descritas en adelante. En las figuras: La Fig. 1 muestra un diagrama de flujo que identifica regiones de interés para la presencia o ausencia de agregados de célula.

La Fig. 2 muestra un diagrama de flujo para distinguir si o no los agregados de célula identificados comprenden células anormales o células normales (llamadas aquí "células endocervicales" , que es, estrictamente hablando, clínicamente imprecisos, ya que las células endocervicales también pueden convertirse en malignas) .

La Fig. 3 muestra un ejemplo creado artificialmente de una imagen de prueba de Papanicolaou creada para explicar el concepto previsto.

La Fig. 4 muestra la segmentación de las células y los núcleos correspondientes.

La Fig. 5 muestra resultados después de agrupar, esto es, el número de grupo y un rectángulo interior que muestra la región de interés para anormalidad posible.

La Fig. 6 muestra el sistema previsto de acuerdo a la invención, y su flujo de trabajo.

Las Figs. 7 y 8 muestran diagramas de flujo que comprenden un enfoque alternativo para identificar regiones de interés.

La Fig. 9 muestra la Evolución de las técnicas de segmentación de núcleos de prueba de Papanicolaou, de IGMT y IEMT hasta IGTMT y IRMT.

Las Figs. 10A-10B muestran diagramas de flujo de la técnica (fig. 10A) IGMT y (fig. 10B) IEMT para segmentación de núcleo de prueba de Papanicolaou.

Las Figs. 11A-11B muestran niveles de umbral múltiples en un histograma de imagen de Papsmear, y la segmentación resultante. En la Fig. 11B, Rt-i es una región de imagen sencilla por debajo del umbral t-lro como se ve en la Fig. 11A, y Rt es la región que tiene valor gris intermedio t-lro y umbral tro como se ve en la Fig. 11A, y Rt+i es región que tiene valor gris intermedio tro y umbral t+lro como se ve en la Fig. 11A. Los límites de región actual del núcleo se marcan por una flecha.

Las Figs. 12A-12B muestran nuevamente niveles de umbral múltiples en un histograma de imagen de Papsmear, y la segmentación resultante. La Fig. 12A muestra niveles de umbral múltiples recurrentes Trl a TrM en orden ascendente entre umbral t-lro y t+lro de la Fig. 11A. La Fig. 12B muestra regiones umbral izadas por niveles Tri a TrM.

La Fig. 13 muestra Rt-i y fuera de la región Rt+i presentada como fuente y hundido respectivamente indicando el flujo de un gráfico dirigido.

Las Fig. 14A-14B muestran diagramas de flujo de (14A) I MT y (14B) IGTMT para segmentación de núcleo de prueba de Papanicolaou .

La Fig. 15 muestra una imagen de prueba de Papanicolaou que muestra superposición del núcleo junto con su variación de intensidad (en circulo blanco) y región enfocada (marcada en flecha negra) y región no enfocada (marcada en flecha blanca) .

DESCRIPCION DETALLADA DE LA INVENCION Aunque la invención se ha ilustrado y descrito en detalle en los dibujos y descripción anterior, tal ilustración y descripción son para considerarse ilustrativas o ejemplares y no restrictivas; la invención no se limita a las modalidades descritas. Otras variaciones a las modalidades descritas se pueden entender y efectuar por aquellos expertos en la técnica en practicar la invención reivindicada, de un estudio de los dibujos, la descripción, y las reivindicaciones adjuntas. En las reivindicaciones, la palabra "que comprende" no excluye otros elementos o etapas, y el artículo indefinido "el" o "un" no excluye una pluralidad. El mero hecho de que ciertas medidas se recitan en reivindicaciones dependientes mutuamente diferentes no indica que una combinación de estas medidas no se puede usar con ventaja. Cualquier signo de referencia en las reivindicaciones no debe interpretarse como que limita el alcance .

Las Figs . 1 y 2 muestran diagramas de flujo que se han descrito en el texto ya. La Fig. 3 muestra un ejemplo creado artificialmente de una imagen de prueba de Papanicolaou para explicar el concepto de la presente invención. En el caso de las células anormales las partes del citoplasma de las células se pegan juntos, y los núcleos de las células son muy cercanos uno del otro (distancia entre-núcleos pequeña) .

En contraste a ello, los núcleos celulares normales no están cerca uno del otro aún si las partes del citoplasma de estas células en contacto entres sí. Esto es un rasgo único que se ha observado en muchas imágenes de diferentes diapositivas fotografiadas como una parte del proyecto de investigación que está detrás de la presente invención.

Mapeo de distancia inter-núcleos se usa por lo tanto en el proceso de identificación algorítmica para identificar células anormales, particularmente en aquellas regiones de interés que anteriormente se han identificado, por análisis de agregación celular, como sospechoso.

Se ha observado que las células que tienen únicamente un pequeño riesgo a convertirse en cancerosas también tienden a formar agregados. En este caso, la variabilidad en tamaño de núcleo entre células endocervicales y células anormales del ectocérvix se puede usar como un rasgo distintivo, ya que en los agregados de célula anormales el tamaño del núcleo varía ampliamente mientras que en los agregados de célula normales los tamaños del núcleo permanecen uniformes.

La Fig. 4 muestra el resultado de la segmentación de las células y los núcleos correspondientes . Con base en los algoritmos posteriores, las regiones de interés pueden determinarse que son altamente sospechosas para comprender células anormales .

La Fig. 5 muestra los resultados de tal agrupamiento de proceso. Dos diferentes grupos se han identificado, en donde el grupo No 2 - marcado por un rectángulo - es probablemente para comprender células anormales, debido a (i) agrupamiento celular extenso, (ii) variación alta de tamaños de núcleo, y (iii) distancia entre-núcleos pequeñas.

La Fig. 6 muestra un sistema y flujo de trabajo de acuerdo a la presente invención. La muestra se colecta por medio de un colector de muestra 61, que puede adoptar la forma de un cepillo, similar a una punta Q, y se transfiere a un cartucho 62 que se dispone para colocar en la unidad de recepción de muestra 63 de un dispositivo 64 de acuerdo a la invención. El dispositivo se muestra en forma de un punto portátil de dispositivo de cuidado. Opcionalmente , la muestra se puede teñir en medio. La muestra se explora luego por la unidad de magnificación óptica y la unidad de dispositivo de adquisición de imagen presente en el dispositivo. Tras el accionamiento de medios de entrada 65, que se materializa, en la presente, como una colección de teclas, el dispositivo adquiere una imagen de la muestra en el cartucho y pasa al algoritmo incrustado en el sistema. Entonces, las etapas de método de acuerdo a la invención se realizan, y los resultados del análisis se muestran en medios de salida 66, que se materializan, en la presente, como una pantalla de visualización .

Las Figs . 7 y 8 muestran diagramas de flujo que comprenden un enfoque más elaborado para identificar regiones de interés que pueden ser probablemente para comprender células anormales. En la Fig. 7 el foco principal es para identificar las regiones celulares y encontrar agregados de célula. Una vez que el último se identifica el algoritmo pasa al campo de visión respectivo a análisis adicional, como se explica en la Fig. 8. En el Recuadro 1 de la Fig. 7, el inicio del sistema se hace. Aquí, esencialmente, el sistema reinicia y llega en una posición de referencia, borra todas las memorias intermedias, etc. En el Recuadro 2 una muestra de citología se carga, en la mayoría de los casos como una diapositiva (ver arriba) , y el inicio para conteo de células de todo tipo de células, tal como células escamosas normales/anormales y sus tipos, y células endo-cervicales normales/anormales, se inicia, y el resultado respectivo se almacena. En el Recuadro 3, una estrategia de exploración se elige. La estrategia de exploración implica la selección de tamaño de etapa del movimiento de la muestra en dirección x e y, y la profundidad de foco (dirección z) relativa a los dispositivos de proyección de imagen (esto es, ya sea la muestra o el dispositivo de proyección de imagen se mueve) , y la selección de magnificación, contraste, etc. Además, el sistema comienza a leer la muestra/diapositiva, y las imágenes se adquieren. En el Recuadro 4, el parámetro de calidad de la diapositiva/imágenes se estima. En el Recuadro 5, los parámetros de calidad se verifican para su adecuación (al comparar con datos a priori) . Si la calidad no es adecuada, el sistema entra en el circuito para verificar el alcance para sobre-gradación en el Recuadro 13. Si hay alcance para actualizar la estrategia de exploración (esto es, si los parámetros de exploración están dentro del intervalo definido del sistema) , luego el sistema proporciona una retroalimentación sobre la marcha para cambiar la estrategia de exploración (Recuadro 12). Si no hay alcance para actualizar los parámetros de exploración, un reporte se genera (Recuadro 14) y los sistemas se detienen o pasan para la siguiente diapositiva (Recuadro 15) .

Si en el Recuadro 5 la calidad se encuentra adecuada, entonces el campo de visión en el Recuadro 6 se pasa para la segmentación (Recuadro 7) , la identificación de los grupos (Recuadro 9) y la verificación de los grupos (Recuadro 10) .

Si ninguno de los grupos se encuentra entonces se considera que el actual campo de visión comprende únicamente célula escamosa normal, y su número se cuenta. Aquí se debe señalar que las células que no están comprendidas en grupos se suponen que son normales, dado el hecho de que las anormalidades significativas se encuentran más bien en células agrupadas que en células aisladas. Si en el Recuadro 10 los grupos se encuentran, se sospechan por anormalidad y el sistema pasa la imagen del actual campo de visión, u otros datos relacionados a tales grupos, para análisis detallado al enlace 1 en la Fig. 8. Si en el campo respectivo de células aisladas visualizadas así como grupos de células se han determinado, la imagen del actual campo de visión, u otros datos relacionados a tales grupos, se pasan para procesamiento adicional en la Fig. 8, mientras que las células aisladas se cuentan apenas.

Después del análisis detallado en la Fig. 8 (ver abajo) el control se vuelve de nuevo a la Fig. 7 en enlace 2. Aquí, el sistema verifica si hay cualquier otro campo de visión izquierdo a explorarse en el Recuadro 11. En caso afirmativo, el sistema explora el siguiente campo de visión y repite el proceso descrito arriba. Si todos los campos de visión se completan el sistema genera un reporte en la actual muestra (estimación de anormalidad, su severidad, tipo de carcinoma, número de células etc.) y se detiene, o mueve a la siguiente muestra en el Recuadro 16.

Las imágenes de un campo de visión que comprenden grupos, u otros datos relacionados a tales grupos, se pasan luego sobre el algoritmo en la Fig. 8. Aquí un análisis más detallado en los grupos se hace. Los rasgos morfológicos en cada célula de un grupo determinado se extraen para medir la variabilidad de estos rasgos (Recuadro 2 y Recuadro 3) . Si las mediciones no están en un intervalo anormal (Recuadro 4), entonces el grupo celular se sospecha para comprender células endocervicales normales (Recuadro 11) , por lo tanto se hace una prueba de confirmación (Recuadro 12) . Si el supuesto es verdadero entonces el recuento de células endocervicales normales se hace en el Recuadro 14. Si no, la muestra se considera para comprender células escamosas, y un recuento para células escamosas se hace en el Recuadro 13. Además, para células endocervicales, sus coordenadas geométricas en la muestra y el campo de visión correspondiente se almacena ya que de su importancia en la interpretación de acuerdo al sistema de Bethesda, que es un sistema para reportar diagnósticos citológicos cervicales o vaginales usados para reportar resultados de prueba de Papanicolaou . Esto también ayudará en la revisión de la muestra, o su imagen, por un patólogo/citólogo en un tiempo posterior.

Si, en el Recuadro 4, se decide que las mediciones caen bajo un intervalo anormal, los rasgos avanzados adicionales (tal como variación de intensidad, textura, dimensión fractal de los límites nucleares, animado de la membrana, etc.) se extraen en el Recuadro 5 y una prueba de confirmación se hace en el Recuadro 6. Si en el Recuadro 6 la anormalidad de los grupos no se confirma, entonces las células se consideran que son células normales escamosas, por lo tanto, su recuento se actualiza en el Recuadro 8 y el control vuelve de nuevo a enlace 2 en la Fig. 7. Si, en el Recuadro 6, la anormalidad del grupo bajo consideración se confirma, esto además se prueba si estas células son células escamosas anormales o células endocervicales anormales (Recuadro 7) . Si no son células endocervicales , el recuento de células escamosas anormales se actualiza en el Recuadro 9. De otra manera, el recuento de células endocervicales anormales se actualiza (Recuadro 15) . Las coordenadas geométricas en la diapositiva y el campo de visión correspondiente se almacenan para estas categorías de células y el control vuelve de nuevo a enlace 2 en la Fig. 7.

Se hace constar que con relación a esta fecha, el mejor método conocido por la solicitante para llevar a la práctica la citada invención, es el que resulta claro de la presente descripción de la invención.

Claims (25)

REIVINDICACIONES Habiéndose descrito la invención como antecede, se reclama como propiedad lo contenido en las siguientes reivindicaciones :

1. Un método para la detección de anormalidades en una muestra biológica caracterizado porque comprende células, el método comprende al menos las siguientes etapas: a) adquirir una imagen de la muestra por adquisición de imagen digital b) opcionalmente , llevar a cabo procesamiento de imagen digital c) seleccionar un campo de visión d) determinar, por procesamiento de imagen digital, si o no, en el campo de visión, existen agregados de célula, y el) seleccionar un nuevo campo de visión y continuar con la etapa c) si, en la etapa d) , resulta que, en el campo de visión, la determinación de agregados de célula es negativa, o e2) llevar a cabo etapas de proceso adicional si, en la etapa d) , resulta que, en el campo de visión, la determinación de agregados de célula es afirmativa, f) determinar el grado de variación de al menos un rasgo morfológico determinado de al menos dos células en el campo de visión, y gl) clasificar la muestra como "probablemente para comprender células anormales" si el grado de variación del rasgo morfológico excede un umbral predeterminado, o g2) clasificar la muestra como "probablemente para comprender células normales" si el grado de variación del rasgo morfológico cae por debajo de un umbral predeterminado, en donde el rasgo morfológico es al menos uno seleccionado del grupo que consiste de • tamaño de núcleo celular, o área • regularidad de la forma de una célula, y/o un núcleo celular · relación de tamaño de citoplasma al núcleo, en una célula determinada, y/o • relación de las áreas de citoplasma y núcleo, en una célula determinada.

2. El método de conformidad con la reivindicación 1, caracterizado porque el núcleo celular se detecta por una técnica óptica que abarca umbralización multinivel.

3. El método de conformidad con la reivindicación 2, caracterizado porque la técnica óptica que abarca umbralización multinivel es al menos uno seleccionado del grupo que consiste de • IGMT (Técnica de Umbralización Multinivel basada en Ganancia de Información) • IEMT (Técnica de Umbralización Multinivel basada en Borde de color y Ganancia de Información) · IRMT (Técnica de Umbralización Multinivel Recurrente basada en Ganancia de Información) , y/o • IGTMT (Técnica de Umbralización Multinivel basada en Teoría de Grafos e Información) .

4. El método de conformidad con cualesquiera de las reivindicaciones antes mencionadas, caracterizado porque además comprende la etapa de determinar al menos un rasgo seleccionado del grupo que consiste de • variación de intensidad de brillo dentro de una célula y/o una núcleo celular · resaltado de una membrana celular • textura, y/o • dimensión fractal del núcleo.

5. El método de conformidad con cualesquiera de las reivindicaciones antes mencionadas, caracterizado porque además comprende al menos una etapa seleccionada del grupo que consiste de a) inspección detallada del cuello uterino por colposcopía ; b) llevar a cabo una prueba de ADN de HPV en la muestra biológica, o en nueva muestra con propiedades comparables; c) llevar a cabo una prueba de Biomarcador en la muestra biológica, o en nueva muestra con propiedades comparables; y/o d) inspección visual de la muestra biológica, o de una nueva muestra con propiedades comparables, por un patólogo calificado.

6. El método de conformidad con cualesquiera de las reivindicaciones antes mencionadas, caracterizado porque además comprende la etapa de recomendar además la investigación por al menos una etapa seleccionada del grupo que consiste de a) inspección detallada del cuello uterino por colposcopía ,- b) llevar a cabo una prueba de ADN de HPV en la muestra biológica, o en nueva muestra con propiedades comparables; c) llevar a cabo una prueba de Biomarcador en la muestra biológica, o en nueva muestra con propiedades comparables; y/o d) inspección visual de la muestra biológica, o de una nueva muestra con propiedades comparables, por un patólogo calificado.

7. El método de conformidad con cualesquiera de las reivindicaciones antes mencionadas, caracterizado porque la adquisición de imagen se lleva a cabo por medio de un explorador .

8. El método de conformidad con cualesquiera de las reivindicaciones antes mencionadas, caracterizado porque la adquisición de imagen se lleva a cabo por medio de un dispositivo de magnificación óptica.

9. El método de conformidad con cualesquiera de las reivindicaciones antes mencionadas, caracterizado porque, antes de la etapa a) , una etapa se proporciona en la cual una imagen de la muestra se adquiere en magnificación inferior como es el caso en la etapa a) .

10. El método de conformidad con cualesquiera de las reivindicaciones antes mencionadas, caracterizado porque las etapas b) y posteriores se llevan a cabo mientras que la adquisición de imagen digital y/o el procesamiento de imagen digital está todavía en proceso.

11. El método de conformidad con cualesquiera de las reivindicaciones antes mencionadas, caracterizado porque la etapa d) comprende al menos las etapas de • Segmentación de núcleos celulares, y • Determinar los centroides de cada célula.

12. El método de conformidad con cualesquiera de las reivindicaciones antes mencionadas, caracterizado porque la muestra biológica que comprende células es una muestra cervical .

13. El método de conformidad con la reivindicación 12, caracterizado porque comprende además al menos una etapa seleccionada del grupo que consiste de • clasificar células comprendidas en una muestra que es probablemente para comprender células normales como "endocervical normal" o "ectocervical normal" con base en un conjunto de criterios predeterminados, y/o · clasificar células comprendidas en una muestra que es probablemente para comprender células anormales como "endocervical anormal o "ectocervical anormal" con base en un conjunto de criterios predeterminados.

14. El método de conformidad con cualesquiera de las reivindicaciones antes mencionadas, caracterizado porque además comprende al menos una etapa de recuento de un tipo de célula determinada, o actualizar un recuento existente de los mismos .

15. El método de conformidad con cualesquiera de las reivindicaciones antes mencionadas, caracterizado porque la muestra biológica comprende células que comprenden al menos una muestra seleccionada del grupo que consiste de • muestra de frotis • rebanada de tej ido · muestra de líquido, y/o • otras muestras de citología.

16. El método de conformidad con cualesquiera de las reivindicaciones antes mencionadas, caracterizado porque la muestra biológica que comprende células está manchada.

17. El método de conformidad con cualesquiera de las reivindicaciones antes mencionadas, caracterizado porque se usan enfoques mejorados de imagen óptica y/o digital.

18. El método de conformidad con cualesquiera de las reivindicaciones antes mencionadas, caracterizado porque las etapas b) y siguientes se llevan a cabo mientras que los datos relacionados a la imagen adquirida, o partes de los mismos, están todavía en una memoria volátil.

19. Un sistema para la detección de anormalidades en una muestra biológica que comprende células, caracterizado porque es capaz de llevar a cabo, y/o comprende medios capaces de llevar a cabo, al menos las siguientes etapas: a) adquirir una imagen de la muestra por la adquisición de imagen digital b) opcionalmente , llevar a cabo procesamiento de imagen digital c) seleccionar un campo de visión d) determinar, por procesamiento de imagen digital, si o no, en el campo de visión, existen agregados de célula, y el) seleccionar un nuevo campo de visión y continuar con la etapa c) si, en la etapa d) , resulta que, en el campo de visión, la determinación de agregados de célula es negativa, o e2) llevar a cabo etapas de proceso adicional si, en la etapa d) , resulta que, en el campo de visión, la determinación de agregados de célula es afirmativa, f) determinar el grado de variación de al menos un rasgo morfológico determinado de al menos dos células en el campo de visión, y gl) clasificar la muestra como "probablemente para comprender células anormales" si el grado de variación del rasgo morfológico excede un umbral predeterminado, o g2) clasificar la muestra como "probablemente para comprender células normales" si el grado de variación del rasgo morfológico cae por debajo de un umbral predeterminado. en donde el rasgo morfológico es al menos uno seleccionado del grupo que consiste de • tamaño de núcleo celular, o área • regularidad de la forma de una célula, y/o un núcleo celular • relación de tamaño de citoplasma a núcleo, en una célula determinada, y/o relación de áreas de citoplasma y núcleo, en una célula determinada.

20. El sistema de conformidad con la reivindicación 19, caracterizado porque además es capaz de llevar a cabo, y/o comprende además medios capaces de llevar a cabo las etapas de conformidad con cualesquiera de las reivindicaciones 1-16.

21. Un dispositivo para la detección de anormalidades en una muestra biológica que comprende células, caracterizado porque comprende al menos los siguientes elementos: • una unidad de recepción de muestra para recibir la muestra biológica • una unidad de adquisición de imagen digital para adquirir una imagen digital de la muestra • una unidad de procesamiento de imagen digital para llevar a cabo al menos una de las etapas del método de conformidad con cualesquiera de las reivindicaciones 1 - 18, • una interfaz de usuario que comprende al menos uno de los medios de salida y uno de los medios de entrada.

22. El dispositivo de conformidad con la reivindicación 21, caracterizado porque además comprende al menos una unidad de magnificación óptica.

23. El dispositivo de conformidad con cualesquiera de las reivindicaciones 21 - 22, caracterizado porque además conprende al menos una interfaz para conectar el dispositivo con otro equipo.

24. El dispositivo de conformidad con cualesquiera de las reivindicaciones 21 - 23, caracterizado porque además comprende al menos un colector de muestra y/o al menos un cartucho en el cual la muestra se transfiere, el cartucho que se coloca para colocar en la unidad de recepción de muestra.

25. El uso del método de conformidad con cualesquiera de las reivindicaciones 1 - 18, un sistema de conformidad con cualesquiera de las reivindicaciones 19 - 20, y/o un dispositivo de conformidad con cualesquiera de las reivindicaciones 21 - 24, para al menos un propósito seleccionado del grupo de · selección de cáncer • diagnóstico de cáncer • predicción con respecto a una terapia determinada • monitoreo concomitante de una terapia de cáncer determinado .