Prospectieve validatie van op pathologie gebaseerd diagnostisch model op kunstmatige intelligentie voor lymfekliermetastasen bij prostaatkanker

Lymfekliermetastase (LNM) is een veel voorkomende vorm van metastase bij prostaatkanker, en nauwkeurige postoperatieve pathologische stadiëring van de lymfeklieren is van groot belang voor verdere behandeling en beoordeling van de prognose. De huidige pathologische evaluatie van lymfeklieren is echter afhankelijk van handmatig onderzoek door pathologen, wat een relatief lage diagnostische efficiëntie heeft en gevoelig is voor gemiste diagnoses voor micro-metastatische laesies. Daarom ontwikkelden onderzoekers een AI-diagnostisch model voor het detecteren van pathologische lymfekliermetastasen van prostaatkanker op basis van deep learning-algoritmen in voorlopig onderzoek, en het presteerde goed in retrospectieve tests.

Deze studie is een diagnostische test zonder interventiemaatregelen en is bedoeld om pathologische objectglaasjes van in formaline gefixeerde, in paraffine ingebedde lymfeklieren te verzamelen die zijn gereseceerd bij de ingeschreven patiënten en deze te digitaliseren in hele objectglaasjesbeelden (WSI's). Het AI-model analyseert de WSI's en genereert heatmaps op pixelniveau en diagnostische resultaten op dianiveau (met of zonder LNM). Het routinematige pathologische onderzoek zal zoals gebruikelijk worden uitgevoerd. Deze twee processen zullen elkaar niet hinderen. En als er inconsistentie is in de classificatie op slide-niveau tussen AI en routinematig pathologisch onderzoek, zouden onderzoekers senior pathologen bijeenroepen voor discussie om de uiteindelijke beslissing te nemen (indien nodig zou immunohistochemie worden uitgevoerd). Het eindresultaat wordt aan de patiënt gepresenteerd in de vorm van een pathologisch rapport.