Künstliche Intelligenz verbessert Krebsdiagnose deutlich
Die Mitosezählung ist ein wichtiges Tool für die mikroskopische Einschätzung, ob ein Tumor sich ausbreiten wird. Ein internationales Forschungsteam unter Leitung der Vetmeduni hat die Methode der Mitosezählung mithilfe Künstlicher Intelligenz verbessert und damit die Zuverlässigkeit erhöht.
Vetmeduni Wien23.1.20223"
Die Mitose ist die Phase im Zellzyklus, bei welcher das genetische Material verdoppelt und auf zwei Tochterzellen aufgeteilt wird. Die Anzahl der Mitosen in Gewebeproben gibt Hinweise auf Zellteilungsaktivität und somit auf die Bösartigkeit von Tumoren. In der pathologischen Diagnostik wird die Untersuchung der Mitose in Gewebeproben eingesetzt, um einzuschätzen, ob sie gutartig oder bösartig sind.
Obwohl die sogenannte Mitosezählung ein wichtiger histologischer Parameter für die Bewertung von Tumoren ist, hat sie eine Schwachstelle, nämlich dort, wo der Mensch ins Spiel kommt. Denn die Pathologen müssen nicht nur entscheiden, welcher Teil der Gewebeprobe untersucht wird, sondern sie müssen auch Mitosen von anderen, zum Teil sehr ähnlichen Strukturen, unterscheiden. Dies führt beim Befunden immer wieder zur falschen Einschätzung der Zellteilungsaktivität des Tumors.
Hochleistungsalgorithmen auf Basis von Deep Learning
Jüngste Fortschritte auf dem Gebiet der Künstlichen Intelligenz, insbesondere durch Deep Learning, haben die Entwicklung von Hochleistungsalgorithmen ermöglicht, die die Standardisierung der Mitosezählung verbessern können. Mittels Gewebeproben von Hunden wurde untersucht, wie algorithmische Vorhersagen Pathologen dabei unterstützen können, mitotische Hotspots zu erkennen und die Unterscheidung von Mitosen gegen anderen Zellen zu verbessern.
Computerunterstützung verbessert Befunde signifikant
«Unsere Ergebnisse zeigen, dass die Unterstützung mit einem genauen Deep-Learning-basierten Modell eine vielversprechende Methode zur Verbesserung der Reproduzierbarkeit und Genauigkeit von Mitosezählungen in histologischen Tumorschnitten ist», so Studien-Erstautor Christof A. Bertram vom Institut für Pathologie der Vetmeduni. Dabei war die vollständige Computerunterstützung (Unterstützung bei der Auswahl der Untersuchungsareale und bei der Erkennung von Mitosen) der teilweisen Computerunterstützung, welche sich auf die Auswahl der Untersuchungsareale beschränkte, überlegen.
Heatmap, Foto: Institut für Pathologie/Vetmeduni
Bilderklärung: Die Heatmap gibt die Dichte der Mitosefiguren, welche durch den Algorithmus gefunden wurden, in den verschiedenen Tumorregionen wieder. Hellere Areale stellen dabei eine höhere mitotische Aktivität dar. Für die Untersuchung des Tumor soll der/die Pathologen:in die Region mit der höchsten mitotischen Aktivität finden und diese Aufgabe kann durch die algorithmische Unterstützung verbessert werden.
Genauer und kostengünstiger
Die Studie zeigt laut Bertram auch, «dass die computergestützte Mitosezählung eine wertvolle Methode zur Standardisierung in zukünftigen Forschungsstudien und routinemässigen diagnostischen Tumorbewertungen mittels digitaler Mikroskopie sein kann.» Eine genaue und reproduzierbare Krebsdiagnose ist wichtig, um eine angemessene Therapie der Tumorpatienten zu finden. Darüber hinaus könnten Diagnose-Labore von der hybriden Untersuchungsmethode durch eine verbesserte Arbeitseffizienz – beispielsweise aufgrund der computerunterstützten Vorauswahl der Untersuchungsareale – profitieren, was auch Kostenvorteile bringen und damit das Gesundheitssystem entlasten könnte.PS
