Τα αστροκυττώματα αποτελούν τη συχνότερη ομάδα νεοπλασμάτων του κεντρικού νευρικού συστήματος. Συνιστούν μία ετερογενή ομάδα σε ότι αφορά τη βιολογική τους συμπεριφορά και την πρόγνωσή τους και παρά την πρόοδο που έχει σημειωθεί στην κατανόηση των παθογενετικών μηχανισμών τους, συνεχίζουν να αποτελούν μια από τις επιθετικότερες μορφές καρκίνου. Ένα από τα βασικότερα χαρακτηριστικά των αστροκυττωμάτων είναι η διηθητική τους ικανότητα δηλαδή η κυτταρική μετακίνηση (cell locomotion) και η αποδόμηση στοιχείων της εξωκυττάριας ουσίας (extracellular matrix degradation) που είναι απαραίτητη για να επιτευχθεί η διήθηση. Η ιδιότητα της κυτταρικής διήθησης καθιστά τα νεοπλάσματα αυτά ιδιαιτέρως καταστροφικά για το νευρικό ιστό και επιπλέον δυσχεραίνει τη θεραπεία τους. Τόσο η χειρουργική αντιμετώπιση όσο και η ακτινοθεραπεία καθίστανται μη επαρκείς για την ριζική αντιμετώπιση των όγκων αυτών. Η παρούσα μελέτη έχει ως σκοπό την μοριακή μελέτη του φαινομένου της κυτταρικής διήθησης και εντοπίζεται κυρίως στους μηχανισμούς διάσπασης της εξωκυττάριας ουσίας. Είναι γεγονός ότι τα τελευταία χρόνια μεγάλη ερευνητική προσπάθεια συντελείται προς την κατεύθυνση αυτή και πολλοί από τους μοριακούς μηχανισμούς που εμπλέκονται στη διαδικασία αποδόμησης της εξωκυττάριας ουσίας αρχίζουν να αποσαφηνίζονται. Όμως καθώς η έρευνα προχωρά όλο και περισσότερα δεδομένα αναδεικνύονται γεγονός που υποδηλώνει την πολυπλοκότητα του φαινομένου. Ένα σχετικά πρόσφατα ταυτοποιημένο μόριο η ογκοκατασταλτική πρωτείνη ING-4 (Inhibition of growth) πιστεύεται ότι είναι πιθανόν να εμπλέκεται στον έλεγχο της αποδόμησης στοιχείων της εξωκυττάριας ουσίας. Πρόσφατες μελέτες υποδεικνύουν τον ρυθμιστικό ρόλο του ING-4 στο μεταγραφικό παράγοντα NF-κB ο οποίος είναι γνωστό ότι αποτελεί κύριο ρυθμιστή της έκφρασης των ενζύμων διάσπασης της εξωκυττάριας ουσίας MMP-2, MMP-9 (matrix metalloproteases 2,9) και του ενεργοποιητή του πλασμινογόνου τύπου ουροκινάσης u-PA (urokinase-type plasminogen activator). Στη μελέτη αυτή γίνεται εκτίμηση των επιπέδων έκφρασης της πρωτείνης ING-4 της p65 υπομονάδας του NF-κB και των ενζύμων MMP-2, MMP-9 και του u-PA με τη χρήση της ανοσοιστοχημικής τεχνικής σε τομές παραφίνης ληφθείσες από 101 περιστατικά αστροκυττωμάτων του ανθρώπου όλων των βαθμίδων διαφοποίησης. Η γνώση του επιπέδου έκφρασης των μορίων αυτών στα αστροκυττώματα καθώς και η μεταξύ τους συσχέτιση αφενώς μεν θα συμβάλει στην κατανόηση των μηχανισμών που ελέγχουν την κυτταρική διήθηση, αφετέρου πιθανόν να αποτελέσει χρήσιμη γνώση για μελλοντικό σχεδιασμό θεραπειών περιορισμού του φαινομένου αυτού. / Inhibitor of growth 4 (ING-4) is a tumor suppressor gene that interacts with nuclear factorkappaB (NF-kB) and represses its transcriptional activity. Several lines of evidence suggest that the tumor suppressor gene ING-4, the transcription factor NF-kB and its target genes matrix metalloproteases MMP-2, MMP-9 and urokinase plasminogen activator (u-PA) are critically involved in tumor invasion. The aim of the present study was to investigate immunohistochemically the expression pattern of ING-4, NF-kB and the NF-kB downstream targets MMP-2, MMP-9 and u-PA in human astrocytomas from 101 patients. We found that ING-4 expression was significantly decreased in astrocytomas, and ING-4 loss was associated with tumor grade progression. Expression of p65, a NF-kB subunit, was significantly higher in grade IV than in grade III and grade I/II tumors, and a statistical significant negative correlation between expression of ING-4 and expression of nuclear p65 was noticed. MMP-9, MMP-2 and u-PA were overexpressed in human astrocytomas. Of note, astrocytomas of advanced histologic grades (grade III, IV) displayed significantly higher expression levels of these proteins compared to tumors of lower grades (grade I, II). Collectively, our data suggest an essential role for ING-4 in human astrocytoma development and progression possibly through regulation of the NF-kB-dependent expression of genes involved in tumor invasion.

Η διαχείριση της πληροφορίας που προέρχεται από εικόνες ιστοπαθολογίας μικροσκοπίου (βιοψίες) αποτελεί διεργασία υψηλής πολυπλοκότητας που αξιοποιείται για την εξαγωγή διαγνωστικών και προγνωστικών συμπερασμάτων από τον ιστοπαθολόγο. Η πολυπλοκότητα αυτή πηγάζει από τον τεράστιο όγκο βιολογικών οντοτήτων που περιέχονται στο δείγμα βιοψίας αλλά και στις μεταξύ τους πολυσύνθετες αλληλεπιδράσεις. Οι πιο σύγχρονες μέθοδοι τεχνητής νοημοσύνης προτείνουν εναλλακτικές προσεγγίσεις για την επίλυση των προβλημάτων υψηλής πολυπλοκότητας αυτού του τύπου. Ανάμεσα όμως στην είσοδο (δεδομένα) και έξοδο (αποτέλεσμα) των ‘έξυπνων’ υπολογιστικών συστημάτων, κρύβεται η μεθοδολογία και στρατηγική επεξεργασίας και ανάλυσης της διαθέσιμης πληροφορίας. Κατά το στάδιο αυτό οι παράμετροι ελέγχου διαχωρίζονται και συσχετίζονται μεταξύ τους ΄τυφλά’ (π.χ. με νευρωνικά δίκτυα, ασαφή λογική) σύμφωνα με συγκεκριμένα μαθηματικά κριτήρια (π.χ. πιθανοκρατικά, ελάχιστων τετραγώνων κ.α.) χωρίς όμως να λαμβάνουν υπόψη την ‘ευρετική’ (heuristic) του ειδικού με αποτέλεσμα να παρουσιάζουν πεπερασμένη ακρίβεια, μεγάλο χρόνο υλοποίησης, αδυναμία γενίκευσης. Έτσι, η απόδοση των συστημάτων αυτών εξαρτάται από το μέγεθος και ποιότητα (θορυβώδη, ελλιπή δεδομένα κ.α.) των δεδομένων, το πλήθος των συνδυασμών των ποσοτικών χαρακτηριστικών που περιγράφουν τα δεδομένα, τον καθορισμό των πλούσιων σε πληροφορία χαρακτηριστικών, την σημαντικότητα των επιμέρους χαρακτηριστικών και των μαθηματικών κριτηρίων ταξινόμησης. Για παράδειγμα πολλά χαρακτηριστικά περιγράφουν καλύτερα την υπό μελέτη διεργασία αλλά η εξαγωγή των πλούσιων σε προγνωστική πληροφορία χαρακτηριστικών απαιτεί πολλούς συνδυασμούς και μεγάλη υπολογιστική ισχύ. Επίσης πολλά χαρακτηριστικά σημαίνει εξειδίκευση του συστήματος στα δεδομένα εκπαίδευσης και αδυναμία εφαρμογής σε άγνωστα δεδομένα. Η παρούσα διατριβή διαπραγματεύεται τον σχεδιασμό, ανάπτυξη και υλοποίηση νέων μεθόδων επεξεργασίας και ανάλυσης ιατρικών εικόνων, επικεντρώνοντας ειδικότερα στην εφαρμογή των μεθόδων αυτών σε υπολογιστικό σύστημα μικροσκοπίας για την διάγνωση όγκων εγκεφάλου τύπου αστροκυττώματος. / Even though histological diagnosis is fundamentally important for patient's management, the potential of diagnostic errors in astrocytomas grading still remains substantially high, ranging from 25% to 40% in routine conditions. Diagnostic errors originate mainly from the lack of experience of experts; rare cancers low prevalence and their biological complexity hinder the establishment of concrete criteria able to predict tumours' behaviour, and, thus, to administrate proper treatments. The latter might explain the fact that a/ although promising treatments have been proposed, death rates have not been yet reduced and b/ the cost of rare cancers management still remains one of the highest healthcare economic burdens in Europe and worldwide. The aim of this thesis was to design, develop and implement new computerized methods to improve manual and computer-assisted malignancy grading of astrocytomas. Scientific objectives comprised: a/ develop a reliable and accurate segmentation algorithm for nuclei detection in routinely stained with H&E histopathological images of astrocytomas, b/ investigate and quantify modifications in nuclei morphology and texture with respect to the degree of tumour abnormality of astrocytic tumours, c/ evaluate whether quantitative analysis of cell nuclei by computer-assisted image analysis could assist the routinely performed malignancy grading of astrocytomas using conventional means, d/ investigate potential modifications in chromatin distribution, which might be used to improve the diagnostic evaluation of cases that histopathologists have difficulty in reaching definite diagnosis (i.e. 'intermediate' grade tumours), e/ support more reliable separation of high grade tumours into clinically meaningful subgroups of patients with grade III and grade IV tumours. For realizing the above objectives, a computer-assisted microscopy system was designed, built and implemented. The system was developed using novel methodologies that integrated state-of-art pattern recognition algorithms for microscopy image segmentation and classification. In addition, new classification techniques have been introduced. The usefulness of the proposed methods has been validated experimentally.