Evaluation der Eignung von KI-gestützter Quantifizierung und Klassifizierung von Kollagenfasern im Hodgkin-Lymphom als Prognosemarker

Hintergrund: Der Morbus Hodgkin ist eine häufig vorkommende bösartige Erkrankung bei jugendlichen Patienten. Obwohl die meisten Patienten geheilt werden können, erleiden etwa 10-15 %der Patienten einen Rückfall oder weisen Therapieresistenzen auf. Darüber hinaus gibt es keine definitiven molekularen Prädiktoren für die frühzeitige Identifizierung von Patienten, bei denen ein hohes Risiko besteht, dass die Erstlinientherapie versagt. Ziel dieser Arbeit war es, ein auf Deep-Learning basierendes Modell für medizinische Bilder zu evaluieren, um klinische Ergebnisse vorherzusagen, die bei der adäquaten therapeutischen Entscheidungsfindung helfen könnten. Methoden: 83 FFPE-Proben von Patienten mit Morbus Hodgkin wurden nach den qPET-Scores der Patienten stratifiziert, mit Pikro-Siriusrot angefärbt und durch Scannen der gesamten Objektträger digitalisiert. Die so entstandenen Whole Slide Images wurden in Kacheln aufgeteilt und nach dem Grad der Färbung der Kollagenfasern mit Pikro-Siriusrot in zwei Klassen eingeteilt. Das neuronale Netz (YOLOv4) wurde dann mit den annotierten Daten trainiert. Das Training wurde mit 30 Fällen durchgeführt. Die prognostische Aussagekraft der schwach gefärbten Pikro-Siriusrot-Fasern wurde anhand von 53 Fällen evaluiert. Dasselbe neuronale Netz wurde mit MMP9-gefärbten Gewebeschnitten aus denselben Fällen trainiert und die Quantifizierungsergebnisse wurden mit der Variante aus den Pikro-Siriusrot-Fällen verglichen. Ergebnisse: Die parametrische ANOVA ergab eine schwach monoton ansteigende Beziehung zwischen den qPET-Gruppen und dem Prozentsatz der schwach gefärbten Fasern (p=.0185). Die qPET-positiven Fälle wiesen durchschnittlich 18% schwach gefärbte Fasern auf, die qPET-negativen Fälle 10%-14%. Die Detektionsleistung wies eine AUC von 0,79 auf. Schlussfolgerungen: Pikro-Siriusrot zeigt deutliche Assoziationen als prognostische Messgröße für das Fortschreiten der Erkrankung bei Morbus Hodgkin unter Verwendung von Whole Slide Images, jedoch nicht stark genug, um als alleiniges prognostisches Maß geeignet zu sein.

Collections

Dissertationen/Habilitationen

Full item page

Evaluation der Eignung von KI-gestützter Quantifizierung und Klassifizierung von Kollagenfasern im Hodgkin-Lymphom als Prognosemarker

Files

Date

Authors

Advisors/Reviewers

Further Contributors

Contributing Institutions

Publisher

Journal Title

Journal ISSN

Volume Title

Publisher

License

Quotable link

Abstract

Link to publications or other datasets

Description

Notes

Original publication in

Original publication in

Anthology

Collections

URI of original publication

Forschungsdaten

Series

Citation