Dr. Perincheri von Yale Medicine teilt die Live-Bewertung der Prostata von Paige anhand von Kernbiopsien

Dr. Sudhir Perincheri, Assistenzprofessor für Pathologie und Direktor der digitalen Pathologie an der Yale Medicine, leitete eine Studie über Paige Prostate an Prostatabiopsien, die an der Yale Medicine gesichert, verarbeitet und unabhängig diagnostiziert wurden. Auf der Pathology Visions 2022 bot er eine faszinierende Präsentation über die Details dieser Studie sowie weitere Einblicke in die Frage, wie sich der Einsatz von Tools der künstlichen Intelligenz (KI) in der Klinik auf die pathologische Praxis auswirken könnte.

Dr. Perincheri begann die Sitzung mit einem Einblick in das Studiendesign. Insgesamt wurden 1.876 Prostata-Kernbiopsien aus Yale einbezogen. Jeder Kern wurde in 5 Ebenen geschnitten, die die Färbeverfahren bestimmten; die Ebenen 1, 3 und 5 wurden mit Hämatoxylin und Eosin (H&E) gefärbt, während die Ebenen 2 und 4 ungefärbt blieben. Jeder Fall wurde von einem Assistenzarzt oder Stipendiaten und einem spezialisierten Urogenitalpathologen geprüft, um zu einer endgültigen Diagnose zu gelangen, die als Grundlage für die Beurteilung dienen sollte. Zu den in der Studie vertretenen Diagnosekategorien gehörten Karzinom (typischerweise Adenokarzinom-Varianten), hochgradige prostatische intraepitheliale Neoplasie (HG-PIN) + angrenzende kleine atypische Drüsen (PIN-ATYP), atypische kleine azinäre Proliferation (ASAP)/fokale glanduläre Atypie (FGA), atypische intraduktale Proliferation oder gutartig.

Level 3 jeder Kernbiopsie wurde gescannt, von Identifikatoren befreit und dann mit Paige Prostate* überprüft. Die KI wurde ohne standortspezifische Abstimmung oder Anpassung angewandt, was ein wesentliches Unterscheidungsmerkmal zwischen dieser Studie und anderen Studien war, die das Team in Yale zu dieser Zeit durchführte. Dies war eine entscheidende Komponente, um die Verallgemeinerbarkeit des Algorithmus zu bewerten und dem Team zu helfen, Schlussfolgerungen darüber zu ziehen, wie er in der klinischen Praxis umgesetzt werden könnte. Paige Prostate* las jeden Objektträger und kennzeichnete die Kerne als „verdächtig“ (für Karzinom, PIN-ATYP oder ASAP) oder „unverdächtig“ (sie enthalten diese Legionen nicht). Die Ergebnisse der KI wurden mit den klinisch gestellten Diagnosen verglichen, um die Übereinstimmung zu prüfen, und alle nicht übereinstimmenden Fälle wurden einer weiteren Analyse unterzogen.

Ziel der Studie war es, so Dr. Perincheri, herauszufinden, wie nützlich computergestützte Diagnosetechniken in einem komplexen klinischen Arbeitsablauf sein können. „Wenn man im Durchschnitt 17 Blöcke von einem Patienten hat, die in mehrere Ebenen aufgeteilt sind, was etwa 51 Objektträgern entspricht, und wir an einem bestimmten Tag etwa 6-8 dieser Biopsien erhalten, haben wir es allein mit 400 Objektträgern von Prostatakernbiopsien zu tun. Das Problem, mit dem die meisten chirurgischen Pathologiepraxen zu kämpfen haben, ist also, dass eine Menge Arbeit anfällt…. Als wir diese Studie durchführten, wollten wir den Algorithmus auf einen unabhängigen Datensatz anwenden, seine Leistungskennzahlen untersuchen und einige Schlussfolgerungen darüber ziehen, wie solche Tools in der Praxis eingesetzt werden könnten.“

Anschließend stellte Dr. Perincheri die Ergebnisse der Studie und die wichtigsten Schlussfolgerungen vor. Zunächst stellte er fest, dass Paige Prostate* gut abschneidet, da die KI bei der überwiegenden Mehrheit (1.796) der Kerne eine übereinstimmende Diagnose liefert. Bei den „unverdächtigen“ abweichenden Kernen, bei denen Paige Prostate* den Kern als unverdächtig bezeichnete, die diagnostizierenden Pathologen ihn aber als verdächtig einstuften, gebe es einige interessante Eigenschaften zu beachten, erklärte er:

• Bei 4 der 5 Bohrkerne, bei denen ein Adenokarzinomherd übersehen wurde, wurden andere Kernbiopsien desselben Patienten mit Karzinom von Paige Prostate* markiert.
• 2 der 5 Fälle wiesen schaumige Drüsenmerkmale auf – es gab jedoch auch andere Beispiele, bei denen der Algorithmus diese Variante erfolgreich anzeigte
• Die meisten der übersehenen Brennpunkte waren klein und in einigen Fällen auf anderen Ebenen besser vertreten, die nicht gescannt und an Paige weitergegeben wurden
• 2 der Kerne wurden auch beim manuellen Lesen übersehen.

Er merkte an, dass es möglich ist, dass Paige Prostate* die fehlenden Kerne erfolgreich markiert hätte, wenn alle Ebenen der Kerne zur Verfügung gestellt worden wären.

Anschließend analysierte er die „verdächtigen“ abweichenden Kerne, bei denen Paige Prostate* einen Kern als verdächtig identifizierte, die Pathologen ihn aber als nicht verdächtig diagnostiziert hatten. Nach einer erneuten Überprüfung dieser Kerne durch die Pathologen in Yale und unter Verwendung der Paige Prostate* Fadenkreuzfunktion, die den Schwerpunkt des Interesses hervorhebt, wurde die Klassifizierung so geändert, dass die Klassifizierung der Pathologen und die Ergebnisse von Paige AI in 6 der Kerne tatsächlich übereinstimmten.

Letztendlich hat die Studie also ergeben, dass Paige Prostate* nachgewiesen hat:

• PPV = 97,9%
• KAPITALWERT = 99,2%
• Empfindlichkeit = 99,7%
• Spezifität = 99,3%

Mit den Erfahrungen aus erster Hand bei der Erprobung von KI-Pathologie-Tools und den vielversprechenden Ergebnissen der Studie zog Dr. Perincheri einige Schlussfolgerungen, wie KI wie Paige Prostate* die Pathologiepraxis verändern könnte. Zunächst erläuterte er, dass KI als Vorabprüfungsinstrument eingesetzt werden kann. Im Fall dieser Studie hätte nur etwa ein Drittel der Biopsien manuell überprüft werden müssen, was eine erhebliche Zeitersparnis bedeutet. Andererseits könne die KI eine zweite Lesung ermöglichen, da Paige Prostate* selbst sehr kleine Herde atypischer Drüsen erfolgreich hervorhebe, was die Diagnosesicherheit der Pathologen erhöhen und auch zu Zeiteinsparungen führen könne. „Angesichts des hohen Fallaufkommens, der unterschiedlichen Erfahrung und Fachkenntnisse der Pathologen sowie der Ermüdung und des Zeitdrucks wirkt sich all dies auf die Leistung, die Genauigkeit usw. aus. Die Daten zeigen uns also, dass [with these tools] Einsparungspotenziale in Bezug auf Arbeitsaufwand, Präzision, Genauigkeit und Bearbeitungszeiten bietet“, sagte er. Während des diagnostischen Prozesses könnte die KI verschiedene Aspekte der Berichterstattung automatisieren, wie z. B. die Gleason-Einstufung oder die Identifizierung der perineuralen Invasion, was zu einer geringeren Subjektivität und einer höheren Präzision führen kann.

Dr. Perincheri erinnerte die Zuhörer daran, dass Qualitätssicherungsmaßnahmen entscheidend sind, damit die KI eine optimale Leistung erbringt und die Pathologen den größtmöglichen Nutzen aus diesen Instrumenten ziehen können. Er wies auch darauf hin, dass die Art der Praxis, in der diese Tools eingesetzt werden – ob es sich um eine akademische oder eine private Praxis handelt – sowie die Anzahl der beschäftigten Pathologen einen Einfluss darauf haben, wie nützlich diese verschiedenen Anwendungsfälle sein können. Er merkte zum Beispiel an, dass die Metriken in Fällen, in denen es ein kleines Pathologenteam gibt und daher weniger Augen auf jeden Fall gerichtet sind, stärker sein könnten, da diese Teams von der zusätzlichen Kontrolle, die die KI bieten kann, stark profitieren könnten. Er betonte auch, dass die Übertragbarkeit von Datensätzen, wie sie Paige Prostate* gezeigt hat, für die Nutzung des Potenzials der KI von entscheidender Bedeutung ist. Dennoch kam er letztendlich zu dem Schluss, dass
„Ich denke, alle sind sich einig, dass diese computergestützten Diagnosewerkzeuge in einem klinischen Arbeitsablauf unverzichtbar sein werden.“

Lesen Sie die vollständige Yale Medicine Paige Prostate Studie und Analyse hier.

*Ab dem 1. März 2022 wurde Paige Prostate in Paige Prostate Suite umbenannt, wodurch Paige Prostate Detect und Paige Prostate Grade and Quantify zu zwei verschiedenen Produkten wurden. In dieser Studie wurden sowohl Paige Prostate Detect als auch Paige Prostate Grade and Quantify verwendet.