Melanom: Entfernung des Sentinel-Lymphknotens bei lymphogener Metastasierung
Bei
Melanomen, die über die Lymphbahnen streuen, ist damit zu rechnen, dass sich Tumorzellen zuerst im nächstgelegenen Lymphknoten ansiedeln. Die operative Entnahme des Sentinel-Lymphknotens (SLN) mit anschließender histologischer Untersuchung ist daher ein anerkanntes diagnostisches Verfahren, um eine lymphogene Metastasierung bei Hautkrebspatient:innen beurteilen zu können.
Detektion von Metastasen in Sentinel-Lymphknoten ist aufwändig
Sentinel-Lymphknoten werden für die histologische Analyse standardisiert aufgearbeitet, sodass in Abhängigkeit von der Lymphknotengröße und der Anzahl verschiedener immunhistochemischen Färbungen zumeist zwischen 7 bis 10 Gewebeschnitte pro SLN vorliegen. „Da einzelnen Patient:innen 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 PD Dr. Jansen von der Klinik für Dermatoonkologie und Phlebologie am UKB, der auch an der Universität Bonn forscht. Der Dermatologe sieht in der Verwendung von
künstlicher Intelligenz (KI) ein Lösungspotential.
Lesen Sie mehr zu diesem Thema:
Melanom im Stadium II: Adjuvante Therapie oder Beobachtung?
Erschienen am 13.09.2023 • Melanom, Stadium II: Lieber abwarten oder adjuvant therapieren? Aud dem ADO 2023 gab es die Antwort, die Sie bei uns erfahren!
Erschienen am 13.09.2023 • Melanom, Stadium II: Lieber abwarten oder adjuvant therapieren? Aud dem ADO 2023 gab es die Antwort, die...
© 2707195204 - stock.adobe.com
KI beschleunigt die Diagnose und erkennt auch 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 Sentinel-Lymphknoten aus der klinischen Routine etabliert. „Wir haben den Algorithmus so trainiert, dass er potenzielle Melanommetastasen 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% bei zwei Testkohorten aus verschiedenen Laboren zu erkennen. Sie konnten Tumorablagerungen bis zu 0,1 Millimeter genau identifizieren und Metastasen durch automatische Messung ihres Durchmessers in die Gruppen „0,1 bis 1,0 Millimeter“ und „Größer als 1 Millimeter“ einteilen.
KI-basierte SLN-Melanom-Metastasenerkennung könnte Standard werden
Der Nachweis von Tumorzellen beziehungsweise deren Fehlen in Sentinel-Lymphknoten 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 SLN-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.“
