Tierarztl Prax Ausg K Kleintiere Heimtiere 2023; 51(03): 215
DOI: 10.1055/s-0043-1770880
Abstracts | DVG
Posterpräsentationen
Klein- und Heimtiere

Vorhersage des c-Kit-11-Mutationsstatus von kaninen kutanen Mastzelltumoren mittels künstlicher Intelligenz an HE-gefärbten histologischen Schnitten

Autoren

  • C. Puget

    1   Institut für Tierpathologie, Freie Universität Berlin, Deutschland;
    *   Gleichwertiger Beitrag

  • J. Ganz

    2   Technische Hochschule Ingolstadt, Deutschland
    *   Gleichwertiger Beitrag

  • J. Ostermeier

    2   Technische Hochschule Ingolstadt, Deutschland

  • C. Bertram

    3   Abteilung Pathobiologie, Veterinärmedizinische Universität Wien, Österreich

  • M. Kiupel

    4   Vetrinärmedizinische Hochschule, Michigan State University, USA

  • M. Aubreville

    2   Technische Hochschule Ingolstadt, Deutschland

  • R. Klopfleisch

    1   Institut für Tierpathologie, Freie Universität Berlin, Deutschland;
Weitere Informationen
Auch verfügbar auf
 

Einleitung Kutane Mastzelltumoren (MZT) machen 7-21% der Hauttumoren beim Hund aus. Zahlreiche prognostische Faktoren werden durch die pathologisch- histologische Untersuchung von Biopsien ermittelt. Darüber hinaus wird häufig eine PCR-basierte Analyse des c-Kit-Exon-11-Mutationsstatus durchgeführt. Diese entscheidet über die Erfolgsaussichten einer Tyrosinkinaseinhibitor-Behandlung des Patienten.

Material und Methoden Ein Deep-Learning-Algorithmus (DLA) wurde trainiert, um den c-Kit-11-Mutationsstatus rein morphologisch zu bestimmen. Dafür wurden HE- Schnitt-Scans von 198 mutierten und 202 nicht mutierten MZT als Datengrundlage verwendet.

Befunde Der DLA erreicht eine Klassifikationsgenauigkeit der HE-Schnitten nach dem c-Kit-11-Mutationsstatus von 0,79. Eine Korrelation mit weiteren prognostischen Faktoren wurde ausgeschlossen.

Schlussfolgerung Eine DLA-assistierte morphologische Untersuchung von MZT kann den c-Kit-11-Mutationsstatus mit guter Genauigkeit schnell und ohne kostenintensive PCR vorhersagen. Durch Vergrößerung des Trainingsdatensatzes könnte zukünftig eine höhere Klassifikationsgenauigkeit erreicht werden.



Publikationsverlauf

Artikel online veröffentlicht:
11. August 2023

© 2023. Thieme. All rights reserved.

Georg Thieme Verlag
Rüdigerstraße 14, 70469 Stuttgart, Germany