Imperial Prostate 6 - Kanker Histologie Betrouwbaarheidsonderzoek naar kunstmatige intelligentie. (IP6-CHAIROS)

In het VK ondergaan jaarlijks ongeveer 80-100.000 mannen een prostaatbiopsie om prostaatkanker te diagnosticeren. Dit komt overeen met ongeveer 4 miljoen histologie-objectglaasjes; dit zal naar schatting toenemen tot 160.000-200.000 mannen en tot 6 miljoen dia's tegen 2030 als gevolg van een toenemend aantal mannen dat wordt getest op prostaatkanker.

Health Education England en het Royal College of Pathology wijzen op een aanzienlijk tekort aan arbeidskrachten in de pathologie, waarbij slechts 3% van de afdelingen voldoende personeel heeft en een vacaturepercentage van 10% dat wordt opgevuld door locums die elk jaar £ 26 miljoen kosten. Tegen 2021 zal het personeelsbestand van pathologieconsulenten met 3% zijn afgenomen (40 fulltime pathologen); een periode waarin andere specialiteiten naar verwachting een stijging van 13% zullen zien. Om tegemoet te komen aan het stijgende aantal verwijzingen naar pathologieafdelingen, zal het aantal pathologen naar verwachting met 3-5% per jaar moeten groeien.

Variabiliteit tussen waarnemers kan optreden tussen pathologen wat betreft het rapporteren van een diagnose van klinisch belangrijke en klinisch onbelangrijke prostaatkanker met maar liefst 20%, hoewel de verschillen kleiner zijn wanneer zeer deskundige uro-pathologen worden vergeleken. Dit kan leiden tot ongepast beheer van zaken.

Galen Prostate AI is een CE-gemarkeerd deep learning AI-algoritme voor prostaatnaaldbiopten dat celtypes, weefselstructuren en morfologische kenmerken kan identificeren voor de diagnose van kanker. De technologie is gebaseerd op meerlagige convolutionele neurale netwerken (CNN's) die zijn ontworpen voor beeldclassificatie waarin beeldvorming op hele dia's wordt geanalyseerd voor de detectie van weefselgebieden en vervolgens goedaardig versus kanker versus andere pathologieclassificatie. In vergelijking met bijna alle concurrenten is Galen Prostate AI getest in ~10 keer meer weefselmonsters. Verder is Galen Prostate AI het enige algoritme dat verder reikt dan de detectie/classificatie van kanker naar andere klinisch relevante kenmerken (bijv. perineurale invasie, hoogwaardige prostaat intra-epitheliale neoplasie [PIN], ontsteking). Aangenomen wordt dat dit AI-algoritme het enige is in routinematige klinische implementatie - het toont technische haalbaarheid aan en heeft bewezen klinische bruikbaarheid.

De voorgestelde studie zal voor het eerst validatie uitvoeren in de NHS. Het is belangrijk om te benadrukken dat dit type algoritme nooit is getest op een in het VK gevestigde populatie, en in het bijzonder op een populatie die een cohort van MRI-gerichte biopsieën omvat, wat nu de nieuwe diagnostische strategie is, aangezien het klinisch relevante prostaatkanker detecteert. in hogere percentages dan de routinematige systematische biopsie.

De studie is de eerste en enige die zich bezighoudt met de prestaties van het op AI gebaseerde prostaatalgoritme dat verder gaat dan kankerdetectie en Gleason-classificatie, door de hoeveelheid kanker te meten en klinisch relevante kenmerken te detecteren, zoals perineurale invasie naast meerdere goedaardige structuren (bijv. HGPIN, atrofie, ontsteking). Gezien de klinische relevantie voor dergelijke kenmerken in het diagnoseproces, is een onderzoek naar hun validatie en prestaties niet alleen nieuw, maar ook cruciaal voor implementatie in routinematig klinisch gebruik.