Die Bildanalyse-Algorithmen dienen der rechnergestützten Pathologie und Pathologieausbildung und fördert zugleich die Erforschung und Entdeckung neuer Erkenntnisse, um die Beurteilung von Krankheiten einschließlich Krebs voranzutreiben.

Deep Learning-Algorithmen haben das Potenzial, die Objektivität und Effizienz der Tumorgewebsdiagnose zu verbessern. Die 'Deep Learning'-Verfahren in der Bildanalyse haben sich in den letzten Jahren schnell zur State-of-the-Art-Technologie im Bereich maschinelles Sehen entwickelt und die menschliche Leistung bei einer ganzen Reihe von Aufgaben übertroffen. Für die Umsetzung der Deep Learning-Verfahren benötigt man jedoch eine Datenbank mit ausreichend hohem Datenvolumen und qualitativ hochwertigen Daten, um die Algorithmen zu entwickeln. LabPON wird als eines der größten Pathologie-Laboratorien in den Niederlanden seinen Fundus von jährlich voraussichtlich rund 300.000 Whole Slide Images (WSI) zu dieser Datenbank beisteuern. Die WSI enthalten anonymisierte Datensätze zu katalogisierten Fällen, die manuell vom Pathologen kommentiert werden, und umfassen, um das Deep Learning zu erleichtern, eine Vielzahl von Gewebetypen und Krankheitsbildern sowie andere relevante Diagnoseinformationen.

"Deep Learning konzentriert sich auf die Entwicklung von fortschrittlichen Computerprogrammen, die Gewebebilder automatisch erkennen und digital in bemerkenswerter Detailtreue abbilden: Je mehr Daten zu Verfügung stehen, desto differenzierter die Computeranalyse", erklärte Peter Hamilton, Group Leader Image Analytics bei Philips Digital Pathology Solutions.

In Zeiten, die von einem wachsenden Mangel an Pathologen und einer steigenden Zahl von Krebsfällen geprägt sind, wird die akkurate Diagnose und Differenzierung der Krebsstadien immer komplexer und stellt eine erhebliche Belastung für die Pathologiedienstleister dar. Technologien wie die rechnergestützte Pathologie geben den Pathologen ein Werkzeug an die Hand, mit dem sich die Arbeit in möglichst effizienter Weise erledigen lässt.

"Der Pathologe bleibt wichtig, denn er muss die definitive Diagnose stellen, und diese hat einen hohen Einfluss auf die Behandlung des Patienten. Software-Tools könnten dazu beitragen, die Pathologen von einem Teil ihrer Arbeit zu entlasten, wie beispielsweise Bestimmung von Tumorzellen, Auszählung mitotischer Zellen oder Identifizierung von perineuralem und vaso-invasivem Wachstum, und um Messungen genauer und präziser durchzuführen", sagte Alexi Baidoshvili, Pathologe bei LabPON. "Dies könnte letztlich dazu beitragen, die Qualität der Diagnose zu verbessern und zu objektivieren".

Philips beabsichtigt, neben der Entwicklung von Berechnungsalgorithmen zur diagnostischen Anwendung, die Datenbank über seine Plattform für die translationale Forschung für Forschungseinrichtungen und andere Partner zur Verfügung zu stellen. Dies gibt ausgewählten Beteiligten die Möglichkeit, enorme Datensätze abzufragen und zu kombinieren, mit der Zielsetzung, neue Erkenntnisse zu gewinnen, die letztlich in neue personalisierte Behandlungsmöglichkeiten für Patienten umgesetzt werden könnten.