Herausforderungen der Automation bei der quantitativen Auswertung von Leberbiopsien

Abstract

Zusammenfassung Hintergrund Die MASLD (metabolische Dysfunktion-assoziierte steatotische Lebererkrankung, oder nichtalkoholische Fettlebererkrankung [NAFLD]) ist eine häufige Erkrankung, deren Diagnose auf der lichtmikroskopischen Auswertung von Leberbiopsien basiert. Diese unterliegt jedoch einer großen Interbetrachtervariabilität (IBV), die durch Hinzunahme von automatisierten Methoden verringert werden kann. Ziel der Arbeit Ein Großteil der bestehenden computerbasierenden Methoden reflektiert nicht das, was in der Realität vom Pathologen bewertet wird. Ziel ist es, aufzuzeigen, wie diese Unterschiede die Vorhersage des Verfettungsgrads (VG) beeinflussen. Zusätzlich erschwert die IBV die Validierung von Algorithmen. Material und Methoden Insgesamt 40 Gewebeschnitte wurden automatisch mit Bildanalysemethoden zur Fett‑, Zellkern- und Fibroseerkennung ausgewertet. Die Daten wurden verwendet, um den VG zu berechnen. Die IBV bei der Quantifizierung des VG wurde dabei an 18 Gewebeschnitten durch unterschiedliche Pathologen analysiert. Ergebnisse Flächenbasierte Ansätze erzielten stärkere Korrelationen als zellkernbasierte Methoden (⌀ Spearman-Rho [ρ] = 0,92 vs. 0,79). Die Hinzunahme von Informationen zur Gewebekomposition verringerte für flächenbasierte und zellkernbasierte Methoden den durchschnittlichen absoluten Vorhersagefehler um 0,5 % bzw. 2,2 %. Unser finaler flächenbasierter Algorithmus, der Informationen zum Gewebeaufbau integriert, erreichte eine hohe Genauigkeit (80 %) und starke Korrelation (⌀ ρ = 0,94) mit der manuellen Auswertung. Diskussion Die automatische und deterministische Bestimmung des VG lässt sich durch die Integration von Informationen der Gewebekomposition verbessern und kann dazu dienen, den Einfluss der IBV zu verringern.