Der automatisierte Test übertraf die Leistung der manuellen Tests, wodurch die Anzahl falsch positiver Ergebnisse reduziert und unnötige Kolposkopie-Eingriffe reduziert werden können. Frauen mit positiven HPV-Testergebnissen können weitere HPV-Tests oder Pap-Zytologie-Tests durchführen lassen, um die Notwendigkeit einer Kolposkopie, Biopsie oder Behandlung zu beurteilen. Die Pap-Zytologie, bei der speziell geschulte Laborfachkräfte gefärbte Objektträger analysieren, um nach abnormen Zellen zu suchen, wird eingesetzt, um Präkanzerosen zu finden, bevor diese zu Krebs fortschreiten.
Allerdings ist die Pap-Zytologie zeitaufwendig, beschränkt sensitiv und anfällig für falsch-positive Befunde. Eine weitere Herausforderung besteht darin, diejenigen Frauen mit positiven HPV-Testergebnissen zu identifizieren, die am ehesten Krebsvorstufen in ihren Gebärmutterhalszellen aufweisen, und damit weitere Maßnahmen erforderlich machen.
Manueller Dual-Stain-Test
Mit der Verfügbarkeit des Dual-Stain (p16/Ki-67)-Tests besteht inzwischen die Möglichkeit genauer vorher sagen zu können, ob eine Frau mit einem positiven HPV-Test tatsächlich Veränderungen am Gebärmutterhals aufweist. Der Test misst das gleichzeitige Vorhandensein von zwei Eiweißen, p16 und Ki-67 in einem Abstrich des Gebärmutterhalses in einer Doppelfärbung (Dual-Stain).
Im März 2020 wurde der manuelle Dual-Stain -Zytologie-Test von der U.S. Food and Drug Administration (FDA) für Frauen zugelassen, die bei einem HPV-Primärscreening ein positives Ergebnis erhalten haben. Wird der Dual-Stain aber wie bisher manuell ausgewertet, so hat er eine gewisse subjektive Komponente, da eine Fachkraft den Objektträger betrachten muss, um die Ergebnisse zu bestimmen.
In zwei früheren Studien stellten Nicolas Wentzensen und Kollegen bereits fest, dass Frauen, die ein negatives Ergebnis bei einem manuell gelesenen Dual-Stain Test hatten, ein geringes Risiko hatten, in den folgenden fünf Jahren Gebärmutterhalskrebs-Präkanzerosen zu entwickeln, und dass im Vergleich zur Pap-Zytologie weniger Frauen positiv auf Zweifarben-Test reagieren. Wird der Dual-Stain aber wie bisher manuell ausgewertet, so hat er eine gewisse subjektive Komponente, da eine Fachkraft den Objektträger betrachten muss, um die Ergebnisse zu bestimmen.
Fortschritte der digitalen Bildgebung und des maschinellen Lernens
In den letzten Jahren arbeiten Kliniker und Wissenschaftler intensiv daran, die Fortschritte der digitalen Bildgebung und des maschinellen Lernens zu nutzen, um die Früherkennung von Gebärmutterhalskrebs zu verbessern. In der aktuellen Studie haben Wissenschaftler des NCI in den USA in Zusammenarbeit mit der Arbeitsgruppe von Prof. Dr. Niels Grabe vom NCT Heidelberg und weiteren Partnern untersucht, ob ein vollautomatischer Dual-Stain-Test die Leistung des manuellen Verfahrens erreichen oder eventuell sogar weiter steigern kann. Damit könnte das Potential des Dual-Stain-Tests noch besser ausgenutzt werden, d.h. mehr Krebsfälle früher erkannt und noch mehr unnötige Eingriffe vermieden werden.
In drei epidemiologischen Studien zu HPV-positiven Gebärmutterhals- und Anal-Präkanzerosen mit dem großen US-Gesundheitsversorger Kaiser Permanente Nordkalifornien und der University of Oklahoma wurde die am Steinbeis-Transferzentrum für Medizinische Systembiologie Heidelberg entwickelte automatisierte Bildanalyseplattform nun mit der konventionellen Pap-Zytologie als auch mit dem manuell gelesenen Dual-Stain Test an Proben von insgesamt 4253 Personen verglichen.
Computerbasierte Dual-Stain-Tests
Die Forscher fanden heraus, dass der computerbasierte p16/Ki-67 Dual-Stain-Test sowohl eine niedrigere Rate positiver Tests als die Pap-Zytologie und auch als der manuel gelesene Dual-Stain-Test hatte. Dabei wurden Präkanzerosen mit einer besseren Sensitivität korrekt identifiziert. Es zeigte sich eine wesentlich höhere Spezifität als die Pap-Zytologie um Proben ohne Präkanzerosen korrekt zu finden. Damit konnte der automatisierte Dual-Stain-Test die Überweisung zur Kolposkopie um etwa ein Drittel im Vergleich zum Pap-Test reduzieren (ca. 42% vs. 60%).
„Wir freuen uns zeigen zu können, dass wir mit dem vollautomatischen computerbasierten Ansatz zur Gebärmutterhalskrebs-Früherkennung die Aussagekraft der manuellen Standardmethoden verbessern konnten", sagt Grabe, Wissenschaftler am Universitätsklinikum und NCT Heidelberg. „Basierend auf unseren Ergebnissen konnte der Algorithmus die Effizienz der Früherkennung von Gebärmutterhalskrebs steigern, indem er mehr Krebsvorstufen findet und falsch-positive Ergebnisse reduziert. Dadurch könnte eine beträchtliche Anzahl unnötiger Eingriffe bei HPV-positiven Frauen reduzieren werden."
Die Ergebnisse sind ein wichtiges Beispiel für die Einführung computergestützter Diagnostik. Sie zeigen, wie künstliche Intelligenz in der Praxis nicht nur eine reine Automatisierung ermöglicht, sondern insbesondere zu einer verbesserten Früherkennung von Gebärmutterhalskrebs für Frauen insgesamt führen kann.
Quelle: Nationales Centrum für Tumorerkrankungen Heidelberg
Originalpublikation: Nicolas Wentzensen et al.; Accuracy and Efficiency of Deep-Learning-Based Automation of Dual Stain Cytology in Cervical Cancer Screening; J Natl Cancer Inst., 2020, DOI: 10.1093/jnci/djaa066
