KI-Modell erkennt bösartige Hirntumore, die bei Operationen oft übersehen werden, innert Skunden

«Eine entscheidende Herausforderung bei der Behandlung von Gliomen besteht darin, Tumorinfiltrationen während der Operation zu erkennen, um eine sichere maximale Resektion zu erreichen», erklärte Todd Hollon, MD, University of Michigan Health, Ann Arbor, Michigan. «Leider wird bei der Mehrheit der Patienten mit Gliomen nach der Operation ein sicher resektabler Resttumor gefunden, der zu einem frühen Rückfall und einer verringerten Überlebenschance führt. Hier präsentieren wir FastGlioma, ein visuelles Basismodell zur schnellen und genauen Erkennung von Gliominfiltrationen in frischem, unbearbeitetem Operationsgewebe.»

Holton sagte, dass FastGlioma schneller und genauer arbeitet als die aktuellen Standardmethoden zur Tumorerkennung und auf andere Hirntumordiagnosen bei Kindern und Erwachsenen verallgemeinert werden könnte. Und: «Es könnte als grundlegendes Modell zur Anleitung von Hirntumoroperationen dienen.»

FastGlioma wurde mithilfe einer gross angelegten Selbstüberwachung (etwa 4 Millionen Bilder) auf schneller, markierungsfreier optischer Mikroskopie vortrainiert und feinabgestimmt, um einen normalisierten Score auszugeben, der den Grad der Tumorinfiltration innerhalb optischer Vollbildaufnahmen angibt.

In einer prospektiven, multizentrischen, internationalen Testkohorte von 220 Patienten mit diffusem Gliom konnte FastGlioma den Grad der Tumorinfiltration mit einer durchschnittlichen Fläche unterhalb der ROC-Kurve von 92,1 ± 0,9 % erkennen und quantifizieren. FastGlioma übertraf in einer direkten, prospektiven Studie mit 129 Patienten bild- und fluoreszenzgeführte Hilfsmittel bei der Erkennung von Tumorinfiltrationen während der Operation bei weitem und übersah nur in 3,8 % der Fälle hochriskante Resttumoren, verglichen mit einer Fehlquote von fast 25 % bei der herkömmlichen Methode.

Die Leistung von FastGlioma blieb über verschiedene Patientendemografien, medizinische Zentren und diffuse Gliom-Molekülsubtypen gemäss der Definition der Weltgesundheitsorganisation hinweg hoch. Das System erkannte und berechnete, wie viel Tumor übrig blieb, mit einer durchschnittlichen Genauigkeit von etwa 92 %. «Dieses Modell stellt eine innovative Abkehr von bestehenden Operationstechniken dar, indem es Tumorinfiltrationen mithilfe künstlicher Intelligenz schnell in mikroskopischer Auflösung identifiziert und so das Risiko, Resttumoren in dem Bereich zu übersehen, in dem ein Gliom entfernt wird, erheblich reduziert», sagte Co-Seniorautor Shawn Hervey-Jumper, MD, University of California San Francisco. «Die Entwicklung von FastGlioma kann die Abhängigkeit von Röntgenbildern, Kontrastverstärkung oder Fluoreszenzmarkierungen minimieren, um eine maximale Tumorentfernung zu erreichen.»