Künstliche Intelligenz hilft bei der histologischen Befundung

Ein neu entwickelter Algorithmus auf Basis künstlicher Intelligenz soll histologische Remission in Biopsien erkennen. Er beruht auf einem maximal vereinfachten histologischen Index.

Histologische Remission gewinnt als Therapieziel in der Indikation Colitis ulcerosa (CU) immer mehr an Bedeutung. Dafür wurden mehrere Indizes entwickelt, die jedoch aufgrund technischer Schwierigkeiten und einer ausgeprägten Interobservervariabilität ausserhalb klinischer Studien kaum Anwendung finden. Nicht zuletzt steht die relative Komplexität dieser Scores der Entwicklung eines Algorithmus im Weg, der den Einsatz künstlicher Intelligenz (KI) zur Befundung ermöglichen würde.

Im Rahmen des ECCO 2022 schlug nun eine internationale Forschergruppe einen vereinfachten histologischen Index vor, der in Verbindung mit Endoskopie die Diagnose histologischer Remission mithilfe eines computergestützten Systems («computer-aided diagnosis»; CAD) ermöglichen soll.

PHRI als Basis für KI-Modell

Der hierfür entwickelte «PICaSSO Histologic Remission Index» (PHRI) ist aktuell der mit Abstand einfachste Index zur histologischen Befundung chronisch entzündlicher Darmerkrankungen und basiert ausschliesslich auf der Anwesenheit neutrophiler Granulozyten im Gewebe. Um diesen Index in einem CAD-System auswerten zu können, wurde ein auf zwei Modulen basierender KI-Algorithmus entwickelt, der mittels Deep Learning auf das Erkennen von Neutrophilen trainiert wurde. Ein zweiter Algorithmus teilte die untersuchten Proben in die Kategorien Krankheitsaktivität/keine Krankheitsaktivität ein.

Die Algorithmen wurden anhand von 614 digitalisierten Biopsien von 307 CU-Patienten aus einer prospektiven Multicenter-Studie evaluiert. Dabei ergab sich eine starke Korrelation des PHRI mit endoskopischen Scores (MES, UCEIS und PICaSSO) derselben Darmabschnitte (Rektum und Sigmoid) (Spearman’s ρ= 0,55 bis 0,78). Die Inter-Reader-Übereinstimmung zwischen den Pathologen war annähernd perfekt. In Validierung und Tests erkannte das Modell die Anwesenheit von Neutrophilen mit einer Sensitivität von 61 % bzw. 72 % bei einer Spezifität von 98 % bzw. 84 %. Damit lag der positive Prädiktionswert (PPV) bei 93 % bzw. 75 % und der negative Prädiktionswert (NPV) bei 86 % bzw. 83 %. Hinsichtlich der Prädiktion von Remission aus ganzen Biopsien ergaben sich 65 % Sensitivität, 93 % Spezifität, 86 % PPV und 78 % NPV. In der Testkohorte lagen diese Werte bei 62 %, 94 %, 90 % und 73 %.

Die Autoren schließen aus diesen Daten, dass der einfache PHRI gut mit der histologischen Aktivität korreliert und sich als Basis für ein KI-Modell eignet, das histologische Remission erkennen kann. Dieses Tool habe, so die Autoren, dass Potenzial, die histologische Befundung bei CU zu unterstützen, beschleunigen und zu standardisieren.

Tab. 1: PICaSSO Histologic Remission Index (PHRI) (modifiziert nach Villanacci V et al. 2022)