Zusammenfassung
Einleitung Deep Learning erfährt in den zurückliegenden Jahren eine immer größer werdende Aufmerksamkeit und wird für zahlreiche Fragestellungen genutzt. Da Bildanalyse eine der Stärken von Deep Learning ist, liegt der Schluss nahe, auch pathologische Fragestellungen hiermit zu bearbeiten. Ziel dieser Arbeit ist es, aus der allgemeinen Pathologie mögliche Deep-Learning-Ansätze zu identifizieren, die in der Ophthalmopathologie genutzt werden könnten. Zudem soll anhand der Daten eines Jahres der Anteil der potenziell interessanten Präparate für Deep Learning sowie der notwendige Aufwand abgeschätzt werden.
Methoden Es erfolgte zunächst eine Literaturrecherche nach Deep-Learning-Modellen und deren Einsatzmöglichkeiten im Bereich der Pathologie. Um den potenziellen Nutzen abzuschätzen, wurde in einem 2. Schritt für die identifizierten Modelle die Anzahl an geeigneten Präparaten im Jahr 2019 ermittelt und in Relation zu der resultierenden Datenmenge und der Scan-Zeit gesetzt, um die Machbarkeit abzuschätzen.
Ergebnisse Wir identifizierten 7 besonders interessante Themenbereiche: Festlegen von Regions of Interest (ROI), Einordnen von histologischen Bildern in Scoring-Systeme, Kartieren von Tumoranteilen, Differenzierung verschiedener Arten von Entzündung, Erkennen verschiedener kutaner Tumoren, Klassifizierung von Lymphomen und Vorhersage des Outcomes von Patienten anhand der Histologie von Tumoren. Innerhalb eines Jahres wären für die o. g. Modelle insgesamt 831 Fälle (43%) infrage gekommen. Das Erstellen von Whole Slide Images (WSI) für alle Präparate hätte eine Speicherkapazität von 630 GB bei einer Scan-Zeit von 35 h benötigt.
Schlussfolgerung Es existieren mehrere Deep-Learning-Ansätze, die auch für die Ophthalmopathologie interessant sind. Die meisten müssten für die ophthalmopathologischen Fragestellungen speziell trainiert werden. Um Deep-Learning-Ansätze verfolgen zu können, ist es notwendig, eine gute Infrastruktur aufzubauen mit der Möglichkeit, WSI zu erstellen und dauerhaft zu speichern, was technisch machbar erscheint. Zukünftige Studien sollten die konkrete praktische Umsetzung bisheriger Deep-Learning-Möglichkeiten für die Ophthalmopathologie zum Thema haben.