| Einleitung: Digitalisierung, künstliche Intelligenz (AI) und maschinelles Lernen (ML) werden zunehmend als Unterstützung in der Diagnostik von Patholog*innen verwendet. Diese Technologien zielen darauf ab, schnell objektivere und genauere Ergebnisse als Menschen zu liefern. In diversen Richtungen der Pathologie werden Technologien wie AI/ML bereits zur Unterstützung der alltäglichen Arbeit verwendet und zeigen vielversprechende Ergebnisse. Die Auswertung von PD-L1 in Lungentumoren ist derzeit noch sehr subjektiv und ist von Patholog*in zu Patholog*in unterschiedlich. Dennoch ist die immunhistochemische Auswertung essentiell, weshalb das Ziel dieser Studie ist, die menschliche PD-L1 Auswertung mit jener von AI zu vergleichen.
Methoden: In dieser retrospektiven Studie wurden 51 Proben mit NSCLC, die 2020 am Institut für Diagnostik und Forschung der Pathologie an der Medizinischen Universität Graz diagnostiziert wurden, und 24 Proben mit pleuralen Mesotheliomen, die zwischen 2018 und 2020 diagnostiziert wurden, eingeschlossen. Alle 75 Proben wurden auf drei Gruppen aufgeteilt: kleine Biospieproben (NSCLC), resezierte Tumorproben (NSCLC) und Mesotheliome. Für die automatisierte Analyse wurde das Bildanalyseprogramm uPath PD-L1 (SP263) von Ventana (Roche) verwendet. Die Resultate wurden anschließend mit den Ergebnissen eines erfahrenen Thoraxpathologen und eines Studenten verglichen, deren Auswertung unter dem Mikroskop erfolgte.
Ergebnisse: Die Übereinstimmung der Ergebnisse, die die Software bzw. der Pathologe/Student erzielten, fiel in den einzelnen Gruppen unterschiedlich aus. In der Gruppe mit den kleinen Biopsieproben ergab die Berechnung des Cohen’s kappa eine geringe Übereinstimmung. In den beiden anderen Gruppen waren Übereinstimmungen kaum feststellbar.
Fazit: In der Studie war die Übereinstimmung zwischen der maschinellen bzw. der menschlichen Auswertung der NSCLC und Mesotheliome nicht so hoch wie erwartet. Dennoch weist diese Studie einige Limitationen auf und es müssen weitere Studien durchgeführt werden, um unsere vorläufigen Ergebnisse zu verifizieren oder falsifizieren. |
