Zytomorphologische Diagnostik mithilfe von künstlicher Intelligenz (KI)

Vielversprechende Impulse für die computerbasierte Unterstützung der morphologischen Diagnostik kommen aus der digitalen Bildanalyse. Dort erlauben künstliche neuronale Netzwerke die präzise, bildbasierte Klassifikation von Leukozyten. Dieser Beitrag beschreibt Voraussetzungen, Chancen und Grenzen dieser Technologie.

Publication History

Article published online:
01 December 2020

• Literatur

• 1 Virchow R. Weisses Blut. Froriep’s Notizen 1845; 36: 151-156
• 2 Wei AH, Löwenberg B, Bloomfield CD. Diagnosis and management of AML in adults: 2017 ELN recommendations from an international expert panel. Blood 2017; 129: 424-447
• 3 Goodfellow I, Bengio Y, Courville A. Deep Learning. Cambridge, MA: MIT Press; 2016
• 4 Litjens G, Kooi T, Bejnordi BE. et al. A survey on deep learning in medical image analysis. Med Image Anal 2017; 42: 60-88
• 5 Zarella MD, Bowman D, Aeffner F. et al. A Practical Guide to Whole Slide Imaging: A White Paper From the Digital Pathology Association. Arch Pathol Lab Med 2019; 143: 222-234
• 6 Matek C, Schwarz S, Spiekermann K. et al. Human-level recognition of blast cells in acute myeloid leukemia with convolutional neural networks. Nature Mach Intelli 2019; 1: 538-544
• 7 Matek C, Schwarz S, Spiekermann K. et al A single-cell morphological dataset of leukocytes from AML patients and non-malignant controls (AML-Cytomorphology_LMU). Cancer Imag Arch. Im Internet (Stand: 1.9.2020): https://doi.org/10.7937/tcia.2019.36f5o9ld
• 8 Kothari S, Phan JH, Stokes TH. et al. Removing batch effects from histopathological images for enhanced cancer diagnosis. IEEE J Biomed Health Inform 2014; 18: 765-772
• 9 Samek W, Montavon G, Vedaldi A. et al. (Eds.) Explainable AI: Interpreting, Explaining and Visualizing Deep Learning. Lect Notes Artific Intellig 11700. Springer; 2019
• 10 Simonyan K, Vedaldi A, Zisserman A. Deep inside Convolutional Networks: Visualising Image Classification Models and Saliency Maps. Int Conf Lear Represent (ICLR); 2014: 1-8
• 11 Haroske G, Zwönitzer R, Hufnagl P. et al. Leitfaden „Digitale Pathologie in der Diagnostik“. Pathologe 2018; 39: 216-221