ASH 2023: KI-Modell zur Unterscheidung von myeloproliferativen Neoplasien
Präfibrotische primäre Myelofibrose (prePMF) und essenzielle Thrombozythämie (ET) zählen beide zu den myeloproliferativen Neoplasien (MPN) und stellen aufgrund sich überschneidender Merkmale eine diagnostische Herausforderung dar. Der signifikante Unterschied in der medianen Gesamtüberlebenszeit unterstreicht jedoch die Notwendigkeit einer genauen Differenzierung, um krankheitsspezifische therapeutische Entscheidungen treffen zu können.
Ein internationales Forscherteam hat nun einen biologisch motivierten KI-Algorithmus für eine schnelle und kosteneffiziente Diagnose direkt aus digitalen Ganzbildaufnahmen (whole-slide images, WSI) diagnostischer Knochenmarks(BM)-Biopsien entwickelt.
Multizentrische Studie
prePMF- und ET-Patientenkohorten der Universität Florenz und des Moffitt Cancer Centers wurden auf der Grundlage der internationalen Konsensus-Klassifikation für myeloische Neoplasien identifiziert. Diagnostische BM-Biopsie-Objektträger wurden digitalisiert und bildeten eine Trainingskohorte von 200 Patientinnen und Patienten (100 prePMF, 100 ET) aus Florenz und eine externe Testkohorte von 26 Erkrankten (6 prePMF, 20 ET) aus Moffitt. Das Modell, das das neuronale Netz RetCCL verwendet, wurde anhand von 32.226 von Patientinnen und Patienten stammenden WSIs trainiert, die in repräsentative Bildkacheln zerlegt wurden. Aufmerksamkeitsbasiertes Lernen über mehrere Instanzen lieferte numerische Gewichte für die Klassifizierung. Die Leistung des Modells wurde anhand der Fläche unter der Empfänger-Operator-Kurve (AUC) bewertet.