Die Krebsdiagnostik steht vor immensen Herausforderungen. Vor dem Hintergrund der weltweit stark steigenden Zahl von Krebserkrankungen muss die Pathologie bei gleichbleibenden oder sogar sinkenden Kapazitäten immer mehr Diagnosen erstellen. Die Digitalisierung der Krebsdiagnostik spielt dabei eine entscheidende Rolle. Die enorme Bedeutung von maschinellem Lernen und Deep Learning für die Digitalisierung der Pathologie und damit die Verbesserung der Krebsdiagnostik beschreiben der Gründer und CTO von Mindpeak Dr. Tobias Lang und Dr. Holger Hauspurg vom Institut für Hämatopathologie Hamburg in einem Beitrag für die aktuelle Ausgabe (04/2021) der Zeitschrift Onkologie (www.journalonkologie.de).

Laut diesem Artikel kann die Digitalisierung für die onkologische Therapie enorme Vorteile in Form von Vereinfachungen und Verbesserungen bieten: Mit der Digitalisierung werden eine effizientere Logistik bei der Fallverteilung und der Einsatz von Telemedizin möglich. Nicht zuletzt die SARS-CoV-2-Pandemie hat gezeigt, was dafür nicht nur möglich, sondern notwendig ist. Der noch größere Nutzen der digitalen Pathologie liegt jedoch in der diagnostischen Unterstützung des menschlichen Experten – insbesondere des Pathologen – durch den Computer. Methoden der künstlichen Intelligenz (KI), insbesondere des maschinellen Lernens (ML), haben das Potenzial, den Experten in der onkologischen Diagnostik nicht nur erheblich zu unterstützen, sondern auch ein entscheidendes Werkzeug auf dem Weg zur Präzisionsmedizin zu sein.

Wie weit die Möglichkeiten der Krebsdiagnostik mit Hilfe künstlicher Intelligenz bereits fortgeschritten sind, zeigt die Tatsache, dass Mindpeak – ein führendes europäisches Unternehmen im Bereich der Computational Pathology – vor wenigen Tagen bekannt gegeben hat, dass es die CE-IVD-Kennzeichnung für BreastIHC erhalten hat, eine Software mit künstlicher Intelligenz, die Brustkrebszellen erkennt und quantifiziert, für die Primärdiagnose. Das in Deutschland ansässige Unternehmen Mindpeak ist das erste Unternehmen, das die Zulassung für eine Deep-Learning-Lösung erhalten hat, die zwischen tumorösen und nicht-tumorösen Strukturen auf zellulärer Ebene unterscheiden kann.

Um den Artikel zu lesen, klicken Sie hier: http://userpage.fu-berlin.de/tlang/pub/hauspurg_lang_journal_onkologie_2021.pdf