Universität zu Köln

Wolgast, Lisa Marie (2025). Künstliche Intelligenz zur Erkennung von Tumorgewebe und zur histologischen Regressionseinstufung bei Adenokarzinomen des Ösophagus: eine retrospektive Studie zur Entwicklung und Validierung eines Algorithmus. PhD thesis, Universität zu Köln.

PDF DissertationWolgastEinreichungV324_rev.pdf Download (4MB)

Abstract

Ösophaguskarzinome weisen eine schlechte Prognose auf. Resektable Adenokarzinome des Ösophagus werden in der Regel neoadjuvant therapiert. Das therapeutische Ansprechen auf die neoadjuvante Therapie wird anschließend durch die Bestimmung des histologischen Regressionsumfangs im OP-Präparat durch den Pathologen visuell ermittelt. Eine vollständige Tumorregression ist mit einer günstigeren Prognose assoziiert. Patienten mit unvollständiger Tumorregression sollen seit der neuen Leitlinie von 2022 nach neoadjuvanter Therapie gemäß CROSS-Schema postoperativ eine Therapie mit Immuncheckpoint-Inhibitoren erhalten, sodass der Regressionsumfang nun eine therapeutische Konsequenz nach sich zieht. In dieser Dissertation wurde anhand von Resektatschnitten ein Deep-Learning-basierter Algorithmus für die Gewebserkennung von Adenokarzinomen des Ösophagus entwickelt, welcher regressive Veränderungen und Tumorgewebe, aus welchen sich der Kölner Regressionsgrad ergibt, mit hoher Sensitivität und Spezifität erkennen konnte. Das entwickelte Modell wurde auf Patch-Ebene an mehreren Datasets aus anderen Instituten extern validiert und wies hohe AUROCs auf. Zudem wurde für komplette Resektate der Regressionsgrad durch den entwickelten Algorithmus berechnet und mit dem durch den Pathologen vergebenen Regressionsgrad verglichen. In 6 von 95 Fällen erkannte das DL-basierte Modell Karzinomgewebe, das der Pathologe zuvor nicht erkannt und als komplette Regression gewertet hatte. In Pilotversuchen zur Nutzung des Modells als assistives Tool wurde die Bearbeitungszeit der Fälle bei Verwendung des Modells mehr als halbiert im Vergleich zu den Versuchen ohne Unterstützung durch den Algorithmus. Mit der KI-gestützten Gewebeerkennung wurden weitere Parameter untersucht und mit der Bestimmung des prä-therapeutischen Tumorvolumens ein neuer potentieller prognostischer Marker identifiziert. Prospektive Ansätze mit größerer Fallzahl zur genaueren Evaluation sind notwendig.

Item Type:	Thesis (PhD thesis)
Creators:	Creators Email ORCID ORCID Put Code Wolgast, Lisa Marie UNSPECIFIED UNSPECIFIED UNSPECIFIED
URN:	urn:nbn:de:hbz:38-752231
Date:	2025
Language:	German
Faculty:	Faculty of Medicine
Divisions:	Faculty of Medicine > Pathologie und Neuropathologie > Institut für Pathologie
Subjects:	Medical sciences Medicine
Uncontrolled Keywords:	Keywords Language Adenokarzinome des Ösophagus German Tumorregression German Regressionsgrad German
Date of oral exam:	3 December 2024
Referee:	Name Academic Title Quaas, Alexander Prof. Dr. med. Schiffmann, Lars Mortimer PD Dr. med. Grimminger, Peter Philipp Prof. Dr. med.
Refereed:	Yes
URI:	http://kups.ub.uni-koeln.de/id/eprint/75223