Erweiterung der Krebsdiagnostik durch Analyse von Lymphknoten – Prof. Inti Zlobec (UNIBE), Dr. Bastian Dislich (UNIBE), Dr. Amjad Khan (UNIBE) und Prof. Martin D. Berger (INSEL)

Klinischer Einsatz und Validierung eines Multikrebs-Deep-Learning-Algorithmus zur Erkennung von Lymphknotenmetastasen auf der Basis von Foundation-Models

Diese Studie basiert auf einer engen Verbindung zwischen Informatik und klinischer Anwendung. Die Entdeckung von Krebszellen in den Lymphknoten eines Patienten ist für die Behandlung der Erkrankung von entscheidender Bedeutung. Die Analyse des Lymphknotenstatus erfordert die Fachkenntnisse eines Pathologen, ist jedoch arbeitsintensiv und mit grossem Zeitaufwand verbunden. Um Pathologen bei dieser Aufgabe zu unterstützen, wurde ein computergestütztes Diagnose-Tool entwickelt, das Deep Learning zur Erkennung von Lymphknotenmetastasen im Darmbereich nutzt. Nun werden die Wissenschafter das Training dieses Algorithmus auf Lymphknoten von zehn weiteren Krebsarten ausweiten, um dessen Nutzen für die tägliche Anwendung in der klinischen Onkologie zu erhöhen.