KI-basierte Algorithmen haben das Potenzial, die dermatopathologische Diagnoseerstellung in Zukunft zu unterstützen. Aktuell sind viele diesbezügliche Forschungsbemühungen im Gange. Unter anderem wurde ein Deep Learning-Algorithmus entwickelt, welcher für die Detektion von Basalzellkarzinomen und Plattenepithelkarzinomen genutzt werden kann. Das Ziel ist eine rasche und akkurate KI-gestützte Beurteilung.

Dr. Daniel Otero Baguer, Zentrum für Technomathematik Universität Bremen, zeigte auf, wie künstliche Intelligenz (KI) für die Aufarbeitung histologischer Schnittbilder zur Hautkrebsdetektierung genutzt werden kann [1]. KI soll Dermatopathologen dereinst darin unterstützen, die Untersuchung histologischer Gewebeschnitte mit weniger Zeitaufwand zu bewerkstelligen, ohne dass dadurch die Qualität der Beurteilungsergebnisse beeinträchtigt wird, erklärte der Referent. Dazu wurde ein Deep Learning-Algorithmus entwickelt, welcher in der Lage ist, Basalzellkarzinome (BCC) und Plattenepithelkarzinome (SCC) zu detektieren und die Tumore auszumessen [2]. Überdies wird ein automatisiertes Reporting generiert, das vom Arzt kontrolliert und gegebenenfalls angepasst werden kann. Aktuell werde in enger Zusammenarbeit mit Dermatopathologen ein Tool entwickelt, um die «Gap» zwischen den Forschungsergebnissen und der Einsatzbarkeit in der täglichen Routinetätikeit zu schliessen, so Dr. Otero Baguer.

KI-Tool beweist beachtliche Sensitivität und Spezifität

Seit April 2021 sei die Testinstallation an der Dermatopathologie in Duisburg-Essen am Laufen, so der Forscher [1]. Insgesamt sind 3527 BCC-Proben mit dem Deep Learning-Algorithmus untersucht worden. Zwar habe es falsch-negative und falsch-positive Ergebnisse gegeben, aber mit einer Spezifität von rund 98% und einer Sensitivität von ungefähr 99% handelt es sich doch um eine sehr vielversprechende Methode. «Wir versuchen natürlich den Deep Learning-Algorithmus kontinuierlich zu verbessern», so Dr. Otero Baguer [1]. Das Ziel sei nicht, den Dermatopathologen zu ersetzen, sondern deren Arbeit zu unterstützen, so der Forscher. Die KI-basierten Entscheidungen sind vom Mediziner zu evaluieren, wobei das gesamte Prozedere zeitsparender sei als ohne Einsatz von künstlicher Intelligenz. Das KI-Tool misst automatisch die Dicke der detektierten Tumore. Auch hier sei die KI-Anwendung in einigen Fällen falsch gelegen, die Gesamtbilanz kann sich aber sehen lassen: der Deep Learning-Algorithmus wurde bei 3315 Proben eingesetzt und bei 339 (10,23%) davon musste der Pathologe die Tumorausmessung korrigieren (Tab. 1) [1]. Diese Fehler seien für den Dermatopathologen sehr rasch ersichtlich.

Implementierung für andere Tumorentitäten geplant

Die innovative Methodik wurde auch für die Detektierung von Plattenepithelkarzinomen (SCC) implementiert. Es habe sich gezeigt, dass dasselbe neuronale Netzwerk zuverlässig zwischen BCC und SCC unterscheiden könne, erklärte der Referent. Ein Beispiel eines durch den Deep Learning-Algorithmus generierten Reportings ist im Kasten dargestellt. Die Idee sei, dass die KI-gestützte Erstdiagnose jeweils ärztlich kontrolliert werde. Der automatisch generierte Text kann einfach adaptiert werden. Der von den Forschern entwickelte Deep Learning-Algorithmus werde nicht nur für BCC und SCC, sondern auch für andere Tumorentitäten wie Morbus Bowen eingesetzt, so der Referent. Auch zur automatisierten Detektion von Melanommetastasen in Lymphknoten wurde ein Projekt lanciert, das von der Hiege-Stiftung gefördert wird [3].

Kongress: Hautkrebskongress/Arbeitsgemeinschaft Dermatologische Onkologie
 

Literatur:

  1. «Einsatz künstlicher Intelligenz in der Histologie des BCC und SCC», Dr. med. Daniel Otero Baguer, Deutscher Hautkrebskongress, 15.09.2022
  2. Le’Clerc Arrastia J, et al.: Deeply Supervised UNet for Semantic Segmentation to Assist Dermato-pathological Assessment of Basal Cell Carcinoma. J Imaging 2021; 7(4): 71.
  3. «Etablierung eines Mustererkennungsalgorithmus zur histologischen Detektion von Schildwächterlymphknoten bei Melanompatienten», https://hautkrebsstiftung.de/forschungsprojekte-zur-melanomforschung, (letzter Abruf 08.12.2022).
Mirjam Peter, M.Sc. 

Write A Comment