Deep learning ondersteunt vroege diagnose van mycosis fungoides

Deep learning kan helpen om mycosis fungoides in een vroeg stadium te onderscheiden van goedaardige inflammatoire dermatosen. Dat blijkt uit een Nederlandse proof-of-conceptstudie. De diagnose van mycosis fungoides (MF) in een vroeg stadium kan lastig zijn, omdat de klinische en histopathologische kenmerken vaak overeenkomen met die van goedaardige inflammatoire dermatosen (BID's).

Eerder onderzoek heeft laten zien dat deep learning pathologen kan ondersteunen bij het classificeren van kanker, maar naar het gebruik ervan bij de diagnostiek van cutane lymfomen is nog nauwelijks onderzoek gedaan. Wetenschappers van het LUMC onderzochten daarom in een eerste retrospectieve proof-of-conceptstudie of deep learning vroegstadium MF kan onderscheiden van BID's. Zij gebruikten een unieke dataset van 924 met hematoxyline en eosine gekleurde whole-slide-afbeeldingen van huidbiopsieën, waaronder beelden van 233 MF-patiënten in een vroeg stadium en 353 BID-patiënten.

Het deep learning-model behaalde een gemiddelde nauwkeurigheid van 76,2%, wat dicht in de buurt komt van de 77,7% nauwkeurigheid van de drie ervaren pathologen die aan het onderzoek deelnamen. Volgens de onderzoekers moeten grotere, multi-institutionele datasets en verbeterde methoden de prestaties van het systeem verder optimaliseren.