Computer-Assistierte Histologie für die Diagnose von Barrett-Ösophagus – Eine Pilotstudie

Einleitung: Die Refluxerkrankung ist eine der häufigsten gastroenterologischen Erkrankungen und zeigt eine zunehmende Häufigkeit in den Industrienationen. Die Folge einer chronischen Refluxerkrankung und Vorstufe für ein Adenokarzinom ist der Barrett-Ösophagus. Zur Diagnose wird eine endoskopische Biopsie durchgeführt und histologisch untersucht. Die Untersuchung unter dem Mikroskop ist eine bildbasierte Methode und es liegt nahe, Pathologen durch eine automatische Vorauswertung der Bilder bei der Diagnostik zu unterstützen. Ziel dieser Pilotstudie ist die Evaluierung von Möglichkeiten, 3 Typen von Gewebe (Barrett-Ösophagus (BO), Cardia (CS) und Plattenepithel (PE)) in digitalisierten Gewebeschnitten automatisch zu unterscheiden.

Material und Methoden: Histologischen Schnitte von 86 randomisiert gewählten Patienten mit Barrett-Ösophagus wurden mit einem hochauflösenden Whole-Slide Scanner (3DHistech) digitalisiert und die Bilddaten anonymisiert. 26 Datensätze wurden selektiert, auf denen gleichermaßen die 3 Gewebeklassen (BO, CS, PE) sichtbar sind. Auf diesen Datensätzen wurden für jede der 3 Klassen 50 rechteckige Bildregionen manuell eingezeichnet.

Zur Unterscheidung der 3 Klassen wurde evaluiert, mit welchen bildbasierten Merkmalen der Textur-, Struktur und Farbanalyse sich diese am besten charakterisieren und bestmöglich von einander trennen lassen. Untersucht wurden Statistiken 2. Ordnung und statistisch-geometrische Merkmale. Zudem wurden verschiedene Eingangsparameter der Verfahren evaluiert. Zur Klassifikation wurde ein Nächster-Nachbar Klassifikator mit unterschiedlicher Parametrierung verwendet. Für jedes Experiment wurden Gesamt- und Einzelklassifikationsraten, sowie Vertauschungsmatrizen ermittelt.

Ergebnisse & Schlussfolgerung: Mit einer n-fachen Kreuzvalidierung wurde mit einer Kombination von statistischen Merkmalen 2 Ordnung eine maximale diagnostische Gesamtklassifikation von 90% (BO 88%, CS 84%, PE 100%) erzielt, d.h. eine korrekte Unterscheidung der diagnostischen Klassen bzgl. der annotierten Grundwahrheit. Die höchste erzielte Klassifikationsrate für die Erkennung von Barrett-Ösophagus mit 90% wurde auf der Basis von Kookurrenzmatrizen erzielt und korrelierte mit einer Gesamtklassifikation von 89% (CS 76%, PE 100%).

Die Ergebnisse zeigen, dass sich die untersuchten Klassen (BO, CS, PE) unter Nutzung von farberweiterten Texturverfahren auf der untersuchten Bilddatenbank gut trennen lassen, wobei die automatische Aussonderung von PE mit hoher Sicherheit möglich ist. Damit ergeben sich die Grundlagen, in Zukunft unterschiedliche Gewebearten der Speiseröhre in histologischen Aufnahmen mittels Bildanalyse vorzusortieren und ggf. auffällige Regionen automatisch zu finden.