DGDC-Publikationspreis 2023: KI erkennt Hautkrebs-Metastasen in Lymphknoten

PD Dr. Philipp Jansen, Oberarzt der Klinik für Dermatoonkologie und Phlebologie am Universitätsklinikum Bonn (UKB), wurde von der der deutschen Gesellschaft für Dermatochirurgie (DGDC) der Publikationspreis 2023 verliehen. In Rahmen einer multizentrischen Studie entwickelte der Dermatologe eine KI-basierte Methode zur Erkennung von Melanom-Metastasen in Lymphknoten-Schnitten.

Bei über die Lymphbahnen streuendem schwarzen Hautkrebs ist damit zu rechnen, dass sich Tumorzellen zuerst im nächstgelegenen Lymphknoten ansiedeln. Die operative Entnahme des sogenannten Sentinel-Lymphknoten (SNL), auch Schildwächterlymphknoten genannt, mit anschließender histologischer Untersuchung ist daher ein anerkanntes diagnostisches Verfahren, um eine lymphogene Metastasierung bei Hautkrebspatienten beurteilen zu können.

SNL werden für die histologische Analyse standardisiert aufgearbeitet, sodass in Abhängigkeit von der Lymphknotengröße und der Anzahl verschiedener immunhistochemischen Färbungen zumeist zwischen sieben bis zehn Gewebeschnitte pro Schildwächterlymphknoten vorliegen. „Da einzelnen Patienten mehr als ein Sentinel-Lymphknoten entnommen wird, ist die histologische Auswertung und im Besonderen die Detektion von Mikrometastasen in dieser Vielzahl der Gewebeschnitte für den Pathologen sehr zeitaufwändig“, sagt Jansen. Der Dermatologe sieht in der Verwendung von künstlicher Intelligenz (KI) ein Lösungspotential.

KI beschleunigt Diagnose und erkennt kleinste Metastasen

Im Bereich der histologischen Analyse in der Dermatologie existieren bisher keine zertifizierten KI-basierten Algorithmen, die zur Diagnosestellung zugelassen sind. In diesem multizentrischen Kooperationsprojekt mit dem Universitätsklinikum Essen und der Universität Bremen wurde nun erstmalig ein Deep-Learning-Verfahren auf histologischen Gewebeschnitten von SNL aus der klinischen Routine etabliert.

„Wir haben den Algorithmus so trainiert, dass er potenzielle Melanom-Metastasen für die weitere Untersuchung durch Pathologen hervorhebt, ohne dabei auf zusätzliche immunhistochemische Färbungen angewiesen zu sein“, sagt Jansen. Das Forschungsteam war so in der Lage, das Vorhandensein von Metastasen auf einzelnen Gewebeschnitten mit einer Empfindlichkeit von 98,57 Prozent bei zwei Testkohorten aus verschiedenen Laboren zu erkennen. Sie konnten Tumorablagerungen bis zu 0,1 mm genau identifizieren und Metastasen durch automatische Messung ihres Durchmessers in die Gruppen „0,1 bis 1,0 mm“ und „Größer als 1 mm“ einteilen.

Der Nachweis von Tumorzellen beziehungsweise deren Fehlen in SNL sowie deren Klassifizierung erlauben Aussagen über die Prognose der Erkrankung und sind die Basis zur Entscheidung für weitere Therapieoptionen. „Unsere Ergebnisse zeigen, dass die KI-basierte SNL-Melanom-Metastasenerkennung ein großes Potenzial hat und zu einem routinemäßig eingesetzten Hilfsmittel für Pathologen werden könnte“, sagt Jansen. „Unsere aktuelle Studie konzentrierte sich auf die Bewertung etablierter Parameter. Künftige größere KI-basierte Studien könnten jedoch neue Biomarker identifizieren, die die SLN-basierten prognostischen und therapeutischen Vorhersagen für betroffene Patienten weiter verbessern könnten.“