Prospektive Validierung eines pathologiebasierten Diagnosemodells mit künstlicher Intelligenz für Lymphknotenmetastasen bei Prostatakrebs

Lymphknotenmetastasen (LNM) sind eine häufige Art der Metastasierung bei Prostatakrebs, und eine genaue postoperative pathologische Lymphknoteneinstufung ist für die weitere Behandlung und Prognosebewertung von großer Bedeutung. Die aktuelle pathologische Beurteilung von Lymphknoten beruht jedoch auf der manuellen Untersuchung durch Pathologen, die eine relativ geringe diagnostische Effizienz aufweist und bei Mikrometastasenläsionen häufig zu Fehldiagnosen führt. Daher entwickelten die Forscher in vorläufigen Untersuchungen ein KI-Diagnosemodell zur Erkennung pathologischer Lymphknotenmetastasen von Prostatakrebs auf der Grundlage von Deep-Learning-Algorithmen, das in retrospektiven Tests gute Ergebnisse lieferte.

Bei dieser Studie handelt es sich um einen diagnostischen Test ohne Interventionsmaßnahmen, der die Sammlung pathologischer Objektträger formalinfixierter, in Paraffin eingebetteter Lymphknoten der eingeschlossenen Patienten und deren Digitalisierung in Whole-Slide-Bildern (WSIs) vorsieht. Das KI-Modell analysiert die WSIs und generiert Heatmaps auf Pixelebene und Diagnoseergebnisse auf Folienebene (mit oder ohne LNM). Die routinemäßige pathologische Untersuchung wird wie gewohnt durchgeführt. Diese beiden Prozesse werden sich nicht gegenseitig stören. Und wenn es bei der Klassifizierung auf Folienebene zwischen KI und routinemäßiger pathologischer Untersuchung Unstimmigkeiten gibt, würden die Forscher leitende Pathologen zu einer Diskussion zusammenrufen, um die endgültige Entscheidung zu treffen (bei Bedarf würde eine Immunhistochemie durchgeführt). Das Endergebnis wird dem Patienten in Form eines Pathologieberichts vorgelegt.