DE102020212189A1 - Verfahren und Vorrichtung zur Analyse von Histopathologiedatensätzen - Google Patents

Verfahren und Vorrichtung zur Analyse von Histopathologiedatensätzen Download PDF

Info

Publication number
DE102020212189A1
DE102020212189A1 DE102020212189.3A DE102020212189A DE102020212189A1 DE 102020212189 A1 DE102020212189 A1 DE 102020212189A1 DE 102020212189 A DE102020212189 A DE 102020212189A DE 102020212189 A1 DE102020212189 A1 DE 102020212189A1
Authority
DE
Germany
Prior art keywords
histopathology
information
examination
histopathological
data
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
DE102020212189.3A
Other languages
English (en)
Inventor
Sven Kohle
Svenja Lippok
Volker Schaller
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Siemens Healthineers Ag De
Original Assignee
Siemens Healthcare GmbH
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Siemens Healthcare GmbH filed Critical Siemens Healthcare GmbH
Priority to DE102020212189.3A priority Critical patent/DE102020212189A1/de
Priority to US17/477,849 priority patent/US20220101960A1/en
Priority to CN202111142600.8A priority patent/CN114283911A/zh
Publication of DE102020212189A1 publication Critical patent/DE102020212189A1/de
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
    • G16H10/40—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for data related to laboratory analysis, e.g. patient specimen analysis
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H15/00—ICT specially adapted for medical reports, e.g. generation or transmission thereof
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H70/00—ICT specially adapted for the handling or processing of medical references
    • G16H70/60—ICT specially adapted for the handling or processing of medical references relating to pathologies

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Epidemiology (AREA)
  • Biomedical Technology (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Pathology (AREA)
  • Medical Treatment And Welfare Office Work (AREA)
  • Investigating Or Analysing Biological Materials (AREA)

Abstract

Bereitgestellt werden Verfahren und Vorrichtungen, um durch eine computer-implementierte und automatisierte Analyse bereits vorhandener histopathologische Untersuchungsergebnisse mögliche weiterführende (histo-) pathologische Untersuchungen zu identifizieren. Die bereits vorhandenen histopathologischen Untersuchungsergebnisse sind dabei in Form eines Histopathologiedatensatzes verfügbar. Der Histopathologiedatensatz weist ein oder mehrere erste Histopathologie-Schnittbilder auf, welche jeweils einen aus einer Gewebeprobe eines Patienten präparierten und mit einer ersten histopathologischen Färbung gefärbten ersten Gewebeschnitt zeigen. Mittels eines Analysealgorithmus wird basierend auf dem Histopathologiedatensatz eine Untersuchungsinformation ermittelt, welche Untersuchungsinformation eine Angabe zur Durchführung einer weiterführenden (histo-)pathologischen Untersuchung des Patienten insbesondere durch einen befundenden Nutzer, aufweist.

Description

  • Die vorliegende Erfindung betrifft Verfahren und Vorrichtungen zur Analyse von Histopathologiedatensätzen. Insbesondere betrifft die vorliegende Erfindung Verfahren und Vorrichtungen zur Analyse von Histopathologiedatensätzen zur Ableitung von Informationen zur Durchführung weiterführender histopathologischer Untersuchungen.
  • Die Analyse von Gewebeproben mit Methoden der Histopathologie ist ein zentrales Element in der Krebsdiagnostik. Dabei werden einem Patienten Gewebeproben aus einem Körperbereich entnommen, in dem möglicherweise eine krankhafte Veränderung vorliegt. Aus einer Gewebeprobe werden typischerweise mehrere Sektionen ausgeschnitten, welche dann in mikrometerdünne Schichten, den sog. Gewebeschnitten, geschnitten werden. Diese Sektionen werden üblicherweise aus den Gewebeproben ausgestanzt und deshalb auch „Stanzen“ genannt. Ein anderer Ausdruck hierfür ist „Blöcke“. Um mögliche Gewebeveränderung besser erkennen oder überhaupt erst quantifizieren zu können, werden die Gewebeschnitte mit histopathologischen Färbungen angefärbt. Die Analyse der gefärbten Gewebeschnitte unter dem Mikroskop durch einen Pathologen lässt dann Aussagen über möglicherweise krankhafte Veränderungen des feingeweblichen Aufbaus des untersuchten Gewebes zu.
  • Histopathologische Untersuchungen sind sehr arbeitsintensiv. Neben der Gewebeentnahme als solcher erfordern sie die Probenpräparation, einschließlich dem Fixieren, Schneiden und Färben der Gewebeschnitte. Dabei ist zu beachten, dass pro Gewebeprobe typischerweise eine Vielzahl an Sektionen und Gewebeschnitten präpariert und analysiert werden muss.
  • Um das medizinische Personal zu entlasten, wurden in den letzten Jahrzehnten immer mehr dieser Arbeitsvorgänge automatisiert und digitalisiert. So werden in modernen Laboren computergesteuerte Präparationsautomaten sowie Färbeautomaten eingesetzt. Zudem werden die gefärbten Gewebeschnitte anschließend häufig digitalisiert. Hierfür werden spezialisierte Scanner, sog. Slide Scanner, verwendet. Das dabei aufgenommene Bild wird auch als „Whole Slide Image“ bezeichnet. Die digitalisierten Histopathologiebilddaten werden dann von einem Patholgen an einer Befundungsstation gesichtet und analysiert.
  • Ein Problem in diesem Ablauf liegt in der Festlegung geeigneter histopathologischer Färbungen und der hierfür zu verwendenden Gewebeschnitte. Es gibt eine Vielzahl verschiedener histologischer Färbungen, die im Laufe der letzten 120 Jahre entwickelt wurden. An erster Stelle steht meist die Hämatoxylin-Eosin-Färbung (H&E-Färbung) als Routine- und Übersichtsfärbung. Darüberhinausgehende, weiterführende Färbungen werden auch „Spezialfärbungen“ genannt. Beispiele hierfür sind Kongorot, Trichrom-Färbungen Auramin O und viele andere mehr. Daneben können auch immunohistochemische Färbungen als Spezialfärbungen verwendet werden, mit welchen Proteine oder andere Strukturen mit Hilfe von markierten Antikörpern sichtbar gemacht werden können. Beispiele hierfür sind Ki67 als Zellproliferationsmarker, Her2-Immunofärbungen als für Brustkrebs spezifischer Marker, CD8-Immunofärbungen zur Markierung von T-Zellen, oder PD-Ll-Immunofärbungen als prognostischer Marker für den Erfolg von Immuntherapien.
  • In der Praxis wird meist zuerst eine H&E-Färbung einiger Gewebeschnitte erstellt. Diese werden dann von der Pathologin bzw. dem Pathologen untersucht. Darauf aufbauend wählt die Pathologin bzw. der Pathologe weitere Spezialfärbungen und zugehörige Gewebeschnitte für weiterführende Untersuchungen der Gewebeprobe aus, auf deren Grundlage sie oder er dann weitere Schritte festlegt und schließlich einen finalen Befund zur Weiterleitung an die behandelnde Ärztin, den behandelnden Arzt erstellt.
  • Der Einsatz von Spezialfärbungen ist dabei nicht nur teurer als die Verwendung der H&E-Übersichtsfärbung, sondern kann auch mit einem erheblichen Zeitaufwand einhergehen. Die Auswahl ungeeigneter histopathologischer Färbungen und/oder Gewebeschnitte kann daher zu einer erheblichen zeitlichen Verzögerung der Therapieentscheidung und finanziellen Mehrbelastungen im klinischen Ablauf führen. Aufgrund der enormen Tragweite histopathologischer Befunde für die Behandlung eines Patienten kann die Wahl ungünstiger Parameter für eine weiterführende Untersuchung einer Gewebeprobe ferner ernstzunehmende negative Konsequenzen für die Prognose des Patienten zeitigen. Die Fehleranfälligkeit nimmt dabei mit wachsender Spezifizität der weiterführenden Färbungen zu.
  • Dies alles ist vor dem Hintergrund der erwähnten fortschreitenden Automatisierung der vorgeschalteten Prozesse zu sehen. Einerseits führt dies zu einer immer größer werdenden Arbeitslast der Pathologen. Andererseits wird es aufgrund der stetig wachsenden Datenmengen für den Einzelnen immer schwieriger, alle verfügbaren Informationen einzubeziehen und bei der Festlegung der Parameter für eine weiterführende histopathologische Analyse angemessen zu berücksichtigen.
  • Es ist daher eine Aufgabe der vorliegenden Erfindung, Verfahren und Vorrichtungen bereitzustellen, die einen Nutzer bei der Entscheidung zur Durchführung einer weiterführenden histopathologischen Untersuchung ausgehend von einer initialen histopathologischen Untersuchung unterstützen.
  • Gemäß der Erfindung wird die gestellte Aufgabe mit einem Verfahren, einer Vorrichtung, einem Computerprogrammprodukt bzw. einem computerlesbaren Speichermedium gemäß dem Hauptanspruch und den nebengeordneten Ansprüchen gelöst. Vorteilhafte Weiterbildungen sind in den abhängigen Ansprüchen angegeben.
  • Nachstehend wird die erfindungsgemäße Lösung der Aufgabe sowohl in Bezug auf die beanspruchten Vorrichtungen als auch in Bezug auf das beanspruchte Verfahren beschrieben. Hierbei erwähnte Merkmale, Vorteile oder alternative Ausführungsformen sind ebenso auch auf die anderen beanspruchten Gegenstände zu übertragen und umgekehrt. Mit anderen Worten können die gegenständlichen Ansprüche (die beispielsweise auf eine Vorrichtung gerichtet sind) auch mit den Merkmalen, die in Zusammenhang mit einem Verfahren beschrieben oder beansprucht sind, weitergebildet sein. Die entsprechenden funktionalen Merkmale des Verfahrens werden dabei durch entsprechende gegenständliche Module ausgebildet.
  • Weiterhin wird die erfindungsgemäße Lösung der Aufgabe sowohl in Bezug auf Verfahren und Vorrichtungen zur Ermittlung einer Information betreffend eine weiterführende histopathologische Untersuchung als auch in Bezug auf Verfahren und Vorrichtungen zum Anpassen von trainierten Funktionen beschrieben. Hierbei können Merkmale und alternative Ausführungsformen von Datenstrukturen und/oder Funktionen bei Verfahren und Vorrichtungen zur Bestimmung auf analoge Datenstrukturen und/oder Funktionen bei Verfahren und Vorrichtungen zum Anpassen übertragen werden. Analoge Datenstrukturen können hierbei insbesondere durch die Verwendung der Vorsilbe „Trainings“ gekennzeichnet sein. Weiterhin können die in Verfahren und Vorrichtungen zur Ermittlung einer Information betreffend eine weiterführende histopathologische Untersuchung verwendeten trainierten Funktionen insbesondere durch Verfahren und Vorrichtungen zum Anpassen von trainierten Funktionen angepasst worden und/oder bereitgestellt worden sein.
  • Gemäß einer Ausführungsform der Erfindung wird ein Computer-implementiertes Verfahren zur Ermittlung bzw. Bereitstellung einer Untersuchungsinformation bereitgestellt. Die Untersuchungsinformation betrifft eine weiterführende Untersuchung des Patienten bzw. von, insbesondere medizinischen Daten, die mit dem Pateinten assoziiert sind (Patientendaten). Insbesondere betrifft die Untersuchungsinformation eine weiterführende pathologische und/oder histopathologische (verkürzend als (histo-)pathologische Untersuchung bezeichnet) Untersuchung des Patienten bzw. der Patientendaten, welche Untersuchung insbesondere auf der Gewebeprobe des Patienten basieren kann. Das Verfahren weist mehrere Schritte auf. Ein Schritt ist auf das Bereitstellen eines Histopathologiedatensatzes gerichtet. Der Histopathologiedatensatz weist ein oder mehrere erste Histopathologie-Schnittbilder auf, welche erste Histopathologie-Schnittbilder jeweils einen aus einer Gewebeprobe eines Patienten präparierten und mit einer ersten histopathologischen Färbung gefärbten Gewebeschnitt zeigen. Die mit der ersten histopathologischen Färbung gefärbten Gewebeschnitte werden im Folgenden auch erste Gewebeschnitte genannt. Ein weiterer Schritt ist auf ein Ermitteln der Untersuchungsinformation gerichtet. Das Ermitteln erfolgt dabei durch Auswertung des Histopathologiedatensatzes bzw. basierend auf dem Histopathologiedatensatz mittels eines Analysealgorithmus. Die Untersuchungsinformation weist dabei eine Angabe zur Durchführung einer oder mehrerer (histo-)pathologischer Untersuchungen des Patienten auf, welche Untersuchung insbesondere auf der Gewebeprobe des Patienten basieren kann. Die (histo-)pathologischen Untersuchungen werden dabei insbesondere von einem befundenden Nutzer veranlasst und/oder durchgeführt und/oder begutachtet. Ein weiterer Schritt ist auf das Bereitstellen der Untersuchungsinformation gerichtet.
  • Der Histopathologiedatensatz ist ein Datensatz, der Bilddaten und Nicht-Bild-Daten aufweisen kann. Als Bilddaten kann der Histopathologiedatensatz insbesondere ein oder mehrere Histopathologie-Schnittbilder aufweisen. Histopathologie-Schnittbilder können insbesondere zweidimensionale Pixelbilder sein. Die Histopathologie-Schnittbilder bilden jeweils einen Gewebeschnitt ab, der aus einer Gewebeprobe des Patienten präpariert wurde. Alle in einem Histopathologiedatensatz enthaltene Histopathologie-Schnittbilder können insbesondere zu derselben Gewebeprobe gehören, d.h. alle in einem Histopathologiedatensatz enthaltene Histopathologie-Schnittbilder zeigen Gewebeschnitte, die aus derselben Gewebeprobe des Patienten präpariert wurden.
  • Die Präparation von Gewebeschnitten aus einer Gewebeprobe kann das Ausschneiden einer Sektion (auch ,Stanze‘ oder ,Block‘ genannt) aus der Gewebeprobe umfassen (beispielsweise mit einem Stanzwerkzeug), welche Sektion in mikrometerdünne Schichten, den Gewebeschnitten, geschnitten wird. Die Präparation der Gewebeschnitte umfasst ferner das Färben der Gewebeschnitte mit einer histopathologischen Färbung. Das Färben kann dabei dazu dienen, verschiedene Strukturen in dem Gewebeschnitt, wie z.B. Zellwände oder Zellkerne, hervorzuheben oder eine medizinische Indikation, wie z.B. Zellproliferationslevel, zu prüfen. Für verschiedene Fragestellungen können dabei verschiedene histopathologische Färbungen verwendet werden. Die in den ein oder mehreren ersten Histopathologie-Schnittbildern dargestellten Gewebeschnitte sind mit einer ersten histopathologischen Färbung angefärbt worden. Neben den ersten Histopathologie-Schnittbildern können die Histopathologiedatensätze auch weitere Histopathologie-Schnittbilder aufweisen, die mit einer anderen histopathologischen Färbung als die erste histopathologische Färbung angefärbt wurden.
  • Zur Erzeugung der ein oder mehreren ersten Histopathologie-Schnittbilder können die mit der ersten histopathologischen Färbung gefärbten Gewebeschnitte digitalisiert bzw. gescannt werden bzw. worden sein. Die ersten Gewebeschnitte werden dazu mit einer geeigneten Digitalisierungsstation, wie beispielsweise einem sog. Whole Slide Scanner abgebildet, der bevorzugt den gesamten auf einem Objektträger gezogenen Gewebeschnitt scannt und in ein Pixelbild umwandelt. Um die Farbwirkung durch die histopathologische Färbung zu erhalten, sind die Pixelbilder bevorzugt Farb-Pixelbilder. Da bei der Befundung sowohl der Gesamteindruck des Gewebes als auch die feinaufgelöste Zellstruktur von Belang ist, weisen die Histopathologie-Schnittbilder typischerweise eine sehr große Pixelauflösung auf. Die Histopathologie-Schnittbilder können im Nachgang digital verarbeitet und insbesondere in einer geeigneten Datenbank archiviert werden. Mikroskopisch zeigen die Histopathologie-Schnittbilder den feingeweblichen Aufbau der Gewebeprobe und insbesondere die Zellstruktur bzw. die in der Gewebeprobe enthaltenen Zellen. Auf größeren Längenskalen zeigen die Histopathologie-Schnittbilder übergeordnete Gewebestrukturen und Merkmale, wie z.B. die Dichte und zellmorphologisch zusammenhängende Bereiche, wie z.B. Tumorbereiche oder Stromabereiche.
  • Neben Bilddaten können die Histopathologiedatensätze auch Nicht-Bild-Daten oder Metadaten enthalten, in denen beispielsweise der Zeitpunkt der Entnahme der Gewebeprobe, ein Patienten-Identifikator, Patienteninformationen (eine andere Bezeichnung hierfür ist personenbezogene Daten des Patienten’), wie Alter und Geschlecht, eine verwendete histopathologische Färbung, ein pathologischer Befund und/oder ein anatomischer Zielbereich, dem die Gewebeprobe entnommen wurde, und dergleichen mehr gespeichert sein können. Alternativ oder zusätzlich können solche Metadaten separat von den Histopathologiedatensätzen in der die Histopathologiedatensätze archivierenden Datenbank oder in einer davon separaten Datenbank hinterlegt sein. Solche Datenbanken können beispielsweise Teil eines oder mehrerer medizinischer Informationssysteme sein, wie etwa Krankenhaus-Informationssysteme (Hospital Information System - HIS), Radiologie-Informationssysteme (Radiology Information System - RIS), Labor-Informationssysteme (Laboratory Information System - LIS), kardiovaskuläre Informationssysteme (Cardiovascular Information Systems - CVIS) und/oder Picture Archiving and Communicating Systems (PACS).
  • ,Bereitstellen‘ kann in Bezug auf die Histopathologiedatensätze bedeuten, dass diese Histopathologiedatensätze von einer entsprechenden Datenbank, in der sie archiviert sind, abrufbar sind, abgerufen werden und/oder in eine Recheneinheit geladen werden oder ladbar sind, um die Histopathologiedatensätze in der Recheneinheit einem oder mehreren Verarbeitungsschritten zu unterziehen.
  • Das Ermitteln der Untersuchungsinformation kann insbesondere ein Auswerten des Histopathologiedatensatzes umfassen. Ferner kann das Ermitteln der Untersuchungsinformation ein Auswerten von dem Histopathologiedatensatz bzw. dem Patienten zugeordneten medizinischen Daten außerhalb des Histopathologiedatensatzes umfassen. Ferner kann das Ermitteln der Untersuchungsinformation ein Auswerten der ersten Histopathologie-Schnittbilder umfassen. Ferner kann das Ermitteln der Untersuchungsinformation ein Auswerten etwaiger in dem Histopathologiedatensatz enthaltener Nicht-Bild-Daten bzw. Metadaten umfassen. Die vorgenannten Auswerteschritte können insbesondere durch den (entsprechend ausgebildeten) Analysealgorithmus ausgeführt werden.
  • Der Analysealgorithmus kann insbesondere als Computerprogrammprodukt aufgefasst werden, das zur Bestimmung einer Untersuchungsinformation durch Analyse der in dem Histopathologiedatensatz enthaltenen Informationen ausgebildet ist. Dazu wird der Analysealgorithmus auf den Histopathologiedatensatz angewandt, bzw. der Histopathologiedatensatz wird in den Analysealgorithmus eingegeben. Der Analysealgorithmus kann Programmbestandteile in Form einer oder mehrerer Instruktionen für einen Prozessor zur Bestimmung der Untersuchungsinformation aufweisen. Der Analysealgorithmus kann insbesondere dazu ausgebildet sein, zur Ermittlung der Untersuchungsinformation die ein oder mehreren ersten Histopathologie-Schnittbilder auszuwerten. Daneben kann der Analysealgorithmus dazu ausgebildet sein, den ersten Histopathologie-Schnittbildern zugeordnete medizinische Daten auszuwerten, die separat von dem Histopathologiedatensatz existieren.
  • Bereitgestellt werden kann der Analysealgorithmus beispielsweise, indem er in einer Speichereinrichtung vorgehalten wird oder in einen Arbeitsspeicher einer geeigneten Datenverarbeitungseinrichtung geladen wird oder allgemein zur Anwendung zur Verfügung gestellt wird.
  • Die von dem Analysealgorithmus auf dieser Grundlage bereitgestellte Untersuchungsinformation weist eine Angabe bzw. eine Information auf, die basierend auf dem Histopathologiedatensatz und insbesondere basierend auf den bereits vorhandenen ersten Histopathologie-Schnittbildern (sowie ggf. zusätzlich basierend auf zugeordneten medizinischen Daten) auf die Durchführung einer weiterführenden (histo-)pathologischen Untersuchung bzw. Analyse des Patienten bzw. von Patientendaten gerichtet ist, um insbesondere eine finale Diagnose in dem Pathologie-Workflow herauszubilden und/oder zu erstellen. Die weiterführende Untersuchung als solche wird dabei bevorzugt im Wesentlichen durch einen befundenden Nutzer durchgeführt. Der Nutzer kann dabei insbesondere eine Pathologin oder ein Pathologe oder allgemein eine Klinikerin oder ein Kliniker oder eine Ärztin oder ein Arzt sein. Die Untersuchungsinformation kann Angaben darüber enthalten, welche Schritte zur weiterführenden Untersuchung des Patienten angezeigt, empfohlen, verpflichtend, zielführend und/oder wahrscheinlich sind. Die weiterführende (histo-)pathologische Untersuchung bezieht sich damit auf eine noch nicht durchgeführte aber nach Lage der Dinge ggf. noch durchzuführende Untersuchung des Patienten bzw. von mit diesem assoziierten Patientendaten.
  • Die Untersuchungsinformation kann eine Angabe hinsichtlich einer weiterführenden histopathologischen Untersuchung der Gewebeprobe des Patienten aufweisen. Die Untersuchungsinformation kann eine Angabe hinsichtlich der Gewinnung weiterer Patientendaten aufweisen. Ferner kann die Untersuchungsinformationen eine Angabe hinsichtlich einer molekularpathologischen Analyse der Gewebeprobe oder einer anderen Gewebeprobe des Patienten umfassen. Diese Angabe hinsichtlich einer molekularpathologischen Analyse kann beispielsweise einen oder mehrere Parameter einer durchzuführenden molekularpathologische Analyse umfassen. Ferner kann die Untersuchungsinformation eine Angabe darüber umfassen, ob eine weitere Gewebeprobe des Patienten zu entnehmen ist und, optional, welche Parameter für die entsprechende Gewebeentnahme zu berücksichtigen sind. Ferner kann die Untersuchungsinformation eine Angabe darüber umfassen, ob eine Konsultation eines weiteren Pathologie-Experten oder eines Experten außerhalb des Pathologie-Workflows angezeigt ist.
  • Das Bereitstellen der Untersuchungsinformation kann ein Bereitstellen der Untersuchungsinformation für eine beliebige weitere Verwendung umfassen. Beispielsweise kann die Untersuchungsinformation einem weiteren Algorithmus oder einem System zur Veranlassung der Erstellung von Histopathologie-Schnittbildern übermittelt werden. Ferner kann die Untersuchungsinformation für eine Archivierung in einer Datenbank bereitgestellt werden. Weiterhin kann die Untersuchungsinformation einem Nutzer zur Kenntnisnahme bereitgestellt werden.
  • Durch die Bereitstellung der Untersuchungsinformation wird automatisch eine Aussage zur Verfügung gestellt, welche weiteren Untersuchung-, Befundungs- und Analyseschritte sich ausgehend von dem Histopathologiedatensatz für die weiterführende Analyse des Patienten zur Herausbildung und Konkretisierung eines (histo-)pathologischen Befundes eignen würden. Der Nutzer bekommt dadurch wertvolle Informationen an die Hand, um die weiterführende pathologische Befundung zu planen und mögliche medizinische Diagnosen zu untermauern oder zu entkräften. Dadurch kann nicht nur die weiterführende Untersuchung des Patienten zielgerichteter gestaltet werden, was Zeit und Geld spart, sondern auch die Treffsicherheit bei der pathologischen Befundung kann erhöht werden. Ferner können durch die Bereitstellung der Untersuchungsinformation klinische Abläufe somit effizienter gestaltet werden. Außerdem können Therapieentscheidungen früher getroffen werden, was sich positiv auf den Therapierfolg auswirken kann. Basierend auf einer automatisierten Auswertung digitalisierter Messdaten, den Histopathologiedatensätzen, haben die Erfinder somit ein Verfahren geschaffen, das einen Nutzer bei der Stellung einer medizinischen Diagnose nachhaltig unterstützt.
  • Bereitgestellt werden mit anderen Worten gemäß einigen Aspekten der Erfindung Verfahren und Vorrichtungen, um durch eine computer-implementierte und automatisierte Analyse bereits vorhandener histopathologische Untersuchungsergebnisse mögliche weiterführende (histo-) pathologische Untersuchungen zu identifizieren. Die bereits vorhandenen histopathologischen Untersuchungsergebnisse sind dabei in Form eines Histopathologiedatensatzes verfügbar. Der Histopathologiedatensatz weist ein oder mehrere erste Histopathologie-Schnittbilder auf, welche jeweils einen aus einer Gewebeprobe eines Patienten präparierten und mit einer ersten histopathologischen Färbung gefärbten ersten Gewebeschnitt zeigen. Mittels eines Analysealgorithmus wird basierend auf dem Histopathologiedatensatz eine Untersuchungsinformation ermittelt, welche Untersuchungsinformation eine Angabe zur Durchführung einer weiterführenden (histo-)pathologischen Untersuchung des Patienten insbesondere durch einen befundenden Nutzer, aufweist.
  • Gemäß einem Aspekt weist die Untersuchungsinformation eine Angabe zur Erstellung von ein oder mehreren zweiten Histopathologie-Schnittbildern auf, welche ein oder mehreren zweiten Histopathologie-Schnittbilder von den ein oder mehreren ersten Histopathologie-Schnittbildern verschieden sind.
  • Insbesondere kann die Untersuchungsinformation also eine Angabe, eine Information und/oder einen Vorschlag betreffend die Erstellung von einem oder mehreren zweiten Histopathologie-Schnittbildern enthalten. Die zweiten Histopathologie-Schnittbilder sind dabei von den ersten Histopathologie-Schnittbildern verschieden. Verschieden kann in diesem Zusammenhang insbesondere bedeuten, dass die zweiten Histopathologie-Schnittbilder auf unterschiedlichen Gewebeschnitten und/oder unterschiedlichen histopathologischen Färbungen beruhen als die ein oder mehreren ersten Histopathologie-Schnittbilder. Die weiterführende Untersuchung kann dann beispielsweise eine Inaugenscheinnahme der zweiten Histopathologie-Schnittbilder oder einen Einsatz ein oder mehrerer Auswertetools durch den Nutzer umfassen. Zusätzlich oder alternativ ist eine automatische oder teilautomatische Analyse der zweiten Histopathologie-Schnittbilder denkbar.
  • Durch die Bereitstellung einer solchen Untersuchungsinformation wird automatisch eine Aussage zur Verfügung gestellt, welche zweiten Histopathologie-Schnittbilder sich ausgehend von dem Histopathologiedatensatz für die weiterführende Analyse der Gewebeprobe des Patienten eignen würden. Dadurch kann dem Nutzer beispielsweise eine Hilfestellung bei der Festlegung der Parameter für die zweiten Histopathologie-Schnittbilder gegeben werden. Der Nutzer bekommt dadurch wertvolle Informationen an die Hand, um die weiterführende pathologische Befundung zu planen und mögliche medizinische Diagnosen durch die Bestellung weiterer Histopathologie-Schnittbilder zu untermauern oder zu entkräften. Dadurch kann nicht nur die Bestellung zweiter Histopathologie-Schnittbilder zielgerichteter gestaltet werden, was Zeit und Geld spart, sondern auch die Treffsicherheit bei der pathologischen Befundung kann erhöht werden. Ferner können durch die Bereitstellung der Untersuchungsinformation Bestellprozesse initiiert und klinische Abläufe somit effizienter gestaltet werden. Außerdem können Therapieentscheidungen früher getroffen werden, was sich positiv auf den Therapierfolg auswirken kann.
  • Gemäß einem Aspekt umfasst die Untersuchungsinformation eine Angabe hinsichtlich einer oder mehrerer weiterführender histopathologischer Färbungen, wobei die eine oder mehreren weiterführenden histopathologischen Färbungen von der ersten histopathologischen Färbung verschieden und zur Erstellung der zweiten Histopathologie-Schnittbilder geeignet sind.
  • Mit anderen Worten werden basierend auf zumindest dem Histopathologiedatensatz also eine oder mehrere zweite histopathologische Färbungen vorgeschlagen, die für eine weiterführende Analyse der Gewebeprobe des Patienten relevant sein könnten. Abhängig von dem jeweiligen Fall können unterschiedlichste histopathologische Färbungen in Frage kommen, die jeweils unterschiedliche Implikationen für eine zukünftige Diagnose und nachfolgende Therapie aufweisen. Die schiere Vielzahl an Möglichkeiten stellt nicht nur weniger erfahrene Nutzer bei der Bestellung geeigneter histopathologischer Färbungen oftmals vor Probleme. Der automatisierte Vorschlag histopathologischer Färbungen als Teil der Untersuchungsinformation schafft hier Abhilfe. Dadurch wird der Nutzer bei der Ableitung einer Diagnose unterstützt und Zeit- und Ressourcen-raubende Nachmessungen können vermieden werden.
  • Gemäß einem Aspekt umfasst die Untersuchungsinformation eine Angabe hinsichtlich eines oder mehrerer aus der Gewebeprobe präparierter zweiter Gewebeschnitte, die von den ersten Gewebeschnitten verschieden und zur Erstellung der zweiten Histopathologie-Schnittbilder geeignet sind. Insbesondere weist die Untersuchungsinformation eine Angabe über eine bei der Präparation der zweiten Histopathologie-Schnittbilder zu verwendende Sektion aus der Gewebeprobe auf.
  • Die Erfinder haben erkannt, dass nicht alle aus einer Gewebeprobe präparierbaren Gewebeschnitte gleichermaßen gut für die Erstellung zweiter Histopathologie-Schnittbilder geeignet sind. Insbesondere ist für einen Vergleich mit den ersten Histopathologie-Schnittbilder oftmals erwünscht, dass die zweiten Histopathologie-Schnittbilder einen oder mehrere Gewebeschnitte abbilden, die einen ähnlichen Gewebebereich und/oder eine ähnliche Zelldichte, z.B. von Tumorzellen, und Gewebestruktur wie die in dem ein oder mehreren ersten Histopathologie-Schnittbilder abgebildeten Gewebeschnitten aufweisen. Folglich kann es vorteilhaft sein, dass die Gewebeschnitte für erste und zweite Histopathologie-Schnittbilder aus der gleichen Stanze, dem gleichen Block durch konsekutive Schnitte entnommen wurden und/oder benachbart sind. Auf der anderen Seite kann es immer wieder vorkommen, dass einzelne Gewebeschnitte etwa durch eine fehlerhafte Präparation für eine weitere Verwendung ungeeignet sind. Durch die automatisierte Auswahl geeigneter zweiter Gewebeschnitte kann dem Nutzer diese Arbeit abgenommen werden.
  • Dazu kann der Analysealgorithmus insbesondere derart ausgelegt sein, dass er die ersten Histopathologie-Schnittbilder mittels Methoden der Bildanalyse analysiert und in den zur Verfügung stehenden Gewebeschnitten der Gewebeprobe nach möglichst ähnlichen Gewebeschnitten sucht. Eine Ähnlichkeit zwischen Gewebeschnitten kann insbesondere eine morphologische oder strukturelle Ähnlichkeit von Bereichen der Gewebeschnitte umfassen. Beispielsweise können ähnliche Bereiche eine ähnliche Gewebestruktur, eine ähnliche Textur, ähnliche Pixel oder Farbwerte, eine ähnliche Zelldichte, eine ähnliche Zellmorphologie oder Zellmorphologien, ähnliche Muster und/oder weitere ähnliche Merkmale aufweisen. Zusätzlich oder alternativ kann der Histopathologiedatensatz Informationen über mögliche zweite Gewebeschnitte als zugeordnete medizinische Daten enthalten.
  • Gemäß einem Aspekt umfasst der Histopathologiedatensatz mehrere erste Histopathologie-Schnittbilder und der Schritt des Ermittelns beinhaltet einen Schritt des Auswählens ein oder mehrerer Histopathologie-Schnittbilder, wobei die Untersuchungsinformation basierend auf den ausgewählten Histopathologie-Schnittbildern erzeugt wird und/oder die Untersuchungsinformation eine Angabe zur Erstellung von ein oder mehreren zu den ausgewählten Histopathologie-Schnittbildern passenden zweiten Histopathologie-Schnittbildern aufweist.
  • Durch die automatische Auswahl von Histopathologie-Schnittbildern können besonders relevante erste Histopathologie-Schnittbilder identifiziert werden, von denen ausgehend zweite Histopathologie-Schnittbilder besonders aussagekräftig sein können.
  • Gemäß einem Aspekt umfasst das Ermitteln der Untersuchungsinformation ein Ermitteln der jeweiligen Sektion der ausgewählten Histopathologie-Schnittbilder. Die Untersuchungsinformation kann somit eine Angabe der jeweiligen Sektion der ausgewählten Histopathologie-Schnittbilder umfassen. Ferner kann die Untersuchungsinformation eine Angabe über einen oder mehrere zu den ausgewählten Histopathologie-Schnittbildern benachbarte bzw. insbesondere konsekutive Gewebeschnitte umfassen.
  • Dadurch können zu den ausgewählten Histopathologie-Schnittbildern morphologisch möglichst ähnliche zweite Histopathologie-Schnittbilder identifiziert werden, was die Vergleichbarkeit und damit die Befundung erleichtern kann. Benachbarte bzw. konsekutive Gewebeschnitte sind dabei solche Gewebeschnitte, die in einer Sektion direkt oder mit einem geringen Abstand aufeinander folgen.
  • Gemäß einem Aspekt umfasst das Auswählen der ausgewählten Histopathologie-Schnittbilder aus den ersten Histopathologie-Schnittbildern ein Auswählen basierend auf den Bilddaten der ersten Histopathologie-Schnittbilder und insbesondere basierend auf einem oder mehreren aus den Bilddaten extrahierten strukturellen und/oder morphologischen Merkmalen. Insbesondere kann ein solches Merkmal einen Anteil der Tumorzellen in dem jeweiligen ersten Histopathologie-Schnittbild umfassen (welcher beispielsweise basierend auf der ersten histopathologischen Färbung bestimmt werden kann).
  • Gemäß einem Aspekt kann der Analysealgorithmus zur Auswahl aus den ersten Histopathologie-Schnittbildern insbesondere nach den genannten Kriterien ausgebildet sein. Als Alternative oder Ergänzung zu einer automatischen Auswahl kann darüber hinaus auch vorgesehen sein, eine Auswahl aus den ersten Histopathologie-Schnittbildern durch eine Nutzereingabe (s.u.) zu ermöglichen.
  • Gemäß einem Aspekt umfasst die Untersuchungsinformation für jede weiterführende histopathologische Färbung eine Angabe jeweils geeigneter zweiter Gewebeschnitte.
  • Damit kann für jede histopathologische Färbung ein geeigneter Gewebeschnitt angeben werden. Dadurch wird der Nutzer bei der Befundungsplanung noch zielgerichteter unterstützt, was die Abläufe bei der histopathologischen Befundung effizienter gestaltet und Fehlerquellen weiter eliminiert.
  • Gemäß einem Aspekt weist das Verfahren ferner den Schritt eines Empfangens einer Nutzereingabe betreffend die Erstellung der ein oder mehreren zweiten Histopathologie-Schnittbilder auf, wobei der Schritt des Ermittelns zusätzlich basierend auf der Nutzereingabe erfolgt.
  • Durch die Möglichkeit der Berücksichtigung der Nutzereingabe kann der Nutzer auf den automatisiert erzeugten Vorschlag zur Erstellung zweiter Histopathologie-Schnittbilder Einfluss nehmen und so auf seine Vorlieben oder bereits existierende Differenzialdiagnosen abstimmen.
  • Gemäß einem Aspekt kann die Nutzereingabe eine Angabe bezüglich ein oder mehrerer zweiter histopathologischer Färbungen beinhalten, die von der ersten histopathologischen Färbung verschieden sind. Die Untersuchungsinformation kann dann insbesondere eine Angabe hinsichtlich eines oder mehrerer aus der Gewebeprobe präparierter zweiter Gewebeschnitte aufweisen, die von den ersten Gewebeschnitten verschieden und zur Erstellung der zweiten Histopathologie-Schnittbilder mit den in der Nutzereingabe angegeben ein oder mehreren zweiten histopathologischen Färbungen geeignet sind.
  • Dadurch kann der Nutzer insbesondere eine ihm geeignet erscheinende histopathologische Färbung angeben und das Verfahren bestimmt davon ausgehend einen geeigneten zweiten Gewebeschnitt. ,Geeignet‘ zur Erstellung der zweiten Histopathologie-Schnittbilder können Gewebeschnitte dabei insbesondere dann sein, wenn sie gut mit den ersten Gewebeschnitten oder einem daraus ausgewählten Teilbereich vergleichbar sind. Dem Nutzer wird dadurch nicht nur Arbeit abgenommen, sondern es werden auch Fehlerquellen eliminiert.
  • Gemäß einem Aspekt kann die Nutzereingabe eine Angabe bezüglich einer vermuteten Diagnose des Nutzers, insbesondere auf Grundlage des Histopathologiedatensatz und/oder weiterer dem Patienten zugeordneter medizinischer Daten sein.
  • Mit anderen Worten kann die Untersuchungsinformation damit gezielt auf eine bestehende Hypothese des Nutzers abgestimmt werden. Durch die Auswahl geeigneter zweiter Histopathologie-Schnittbilder können solche Hypothesen gezielt getestet werden. Hierfür kann der Analysealgorithmus insbesondere dazu ausgelegt sein, eine Verbindung zwischen vermuteten Diagnosen und zugehörigen histopathologischen Färbungen herzustellen, welche geeignet sind, die entsprechenden vermuteten Diagnosen zu stützen oder zu widerlegen. Solche Verbindungen können in dem Analysealgorithmus beispielsweise in Form einer oder mehrerer Ontologien oder Entscheidungsbäume angelegt sein. Zusätzlich kann der Analysealgorithmus dazu ausgebildet sein, elektronische medizinische Textbücher, wie etwa das Thieme® eRef, auszuwerten.
  • Gemäß einem Aspekt weist der Histopathologiedatensatz eine Gewebeprobeninformation auf und der Schritt des Ermittelns erfolgt zusätzlich basierend auf der Gewebeprobeninformation.
  • Dabei kann die Gewebeprobeninformation eine Angabe über den Ort der Gewebeprobenentnahme, die Art und/oder Lage der der Gewebeprobe entnommenen Stanzen bzw. Sektionen, und/oder die Art und/oder Lage der gebildeten Gewebeschnitte aufweisen. Zusätzlich oder alternativ kann die Gewebeprobeninformation insbesondere eine Angabe über die Art und/oder Lage der ersten Gewebeschnitte aufweisen. Zusätzlich kann die Gewebeinformation eine Angabe über die Beschaffenheit des Gewebes, z.B. in Form eines Makroskopieberichtes enthalten.
  • Durch die Berücksichtigung der Gewebeprobeninformation können geeignete Gewebeschnitte zur Erstellung der zweiten Histopathologie-Schnittbilder zielgerichtet ausgewählt werden, was die Treffsicherheit des Verfahrens und somit die Unterstützung des Nutzers bei der histopathologischen Befundung weiter verbessern kann.
  • Gemäß einem Aspekt weist das Verfahren ferner den Schritt des Abrufens von dem Histopathologiedatensatz bzw. dem Patienten zugeordneten medizinischen Daten auf, wobei der Schritt des Ermittelns zusätzlich basierend auf den zugeordneten medizinischen Daten erfolgt. Die zugeordneten medizinischen Daten sind insbesondere von dem Histopathologiedatensatz separate Daten bzw. Datensätze. Dabei können die zugeordneten medizinischen Daten insbesondere ein oder mehrere Labordaten des Patienten, ein oder mehrere Radiologiedaten des Patienten, ein oder mehrere, insbesondere radiologische, Befunde des Patienten, und/oder ein oder mehrere frühere histopathologische Untersuchungen des Patienten aufweisen. Insbesondere können die zugeordneten medizinischen Daten in einem medizinischen Informationssystem aufweisend ein oder mehrere Datenbanken vorgehalten werden. Das medizinische Informationssystem kann beispielsweise als Krankenhaus-Informationssystem (Hospital Information System - HIS), Radiologie-Informationssystem (Radiology Information System - RIS), Labor-Informationssystem (Laboratory Information System - LIS), kardiovaskuläres Informationssystem (Cardiovascular Information Systems - CVIS) und/oder Picture Archiving and Communicating Systems (PACS) ausgebildet sein. Insbesondere können die zugeordneten medizinischen Daten eine elektronische Krankenakte (ein englischer Ausdruck hierfür ist „Electronic Medial Record“ oder kurz EMS) des Patienten aufweisen.
  • Das Abrufen kann beispielsweise ein Abfragen des medizinischen Informationssystems und/oder entsprechender Datenbanken umfassen. Beispielsweise kann dazu aus dem Histopathologiedatensatz eine Kennung extrahiert werden, welche die medizinischen Daten eindeutig einem Patienten oder einem Histopathologiedatensatz zuordnet. Eine solche Kennung kann beispielsweise eine Patienten ID, der Name des Patienten oder eine Fallnummer sein. Mit dieser Kennung kann dann in einem medizinischen Informationssystem nach den zugeordneten medizinischen Daten gesucht werden. Insbesondere kann der Analysealgorithmus dazu ausgebildet sein, die zugeordneten medizinischen Daten abzurufen.
  • Alternativ oder zusätzlich können zu den zugeordneten medizinischen Daten äquivalente Informationen auch in dem Histopathologiedatensatz selbst hinterlegt sein - beispielsweise als Metadaten und/oder Nicht-Bild-Daten. Diese Informationen können dann direkt aus dem Histopathologiedatensatz extrahiert werden.
  • Durch die Berücksichtigung der zugeordneten medizinischen Daten kann ein differenzierteres Bild des zu befundenen Falls gewonnen werden. Beispielsweise können durch die Auswertung vorbekannter pathologischer und/oder radiologischer Befunde mögliche Krankheitsbilder eingegrenzt und somit die Untersuchungsinformation konkretisiert werden. Die Berücksichtigung von Labor- und/oder Radiologiedaten ermöglicht ferner das automatische Einbeziehen von Informationen außerhalb des pathologischen Befundungsprozesses, was den Nutzer entlastet und die Entscheidungsgrundlage verbessert. Hinsichtlich der Auswertung der zugeordneten medizinischen Daten kann der Analysealgorithmus dazu ausgebildet sein, diese Daten automatisiert zu analysieren und relevante Informationen zu extrahieren. Hierfür kann der Auswertealgorithmus beispielsweise über ein Textanalyse-Modul verfügen (ein englischer Ausdruck hierfür kann ,Natural Language Processing‘ Modul oder kurz NLP-Modul sein). Radiologiedaten können ferner ein oder mehrere radiologische Bilddaten umfassen. Der Analysealgorithmus kann entsprechend ein Modul zur Auswertung von radiologischen Bilddaten aufweisen.
  • Gemäß einem Aspekt weist das Verfahren ferner den Schritt des Aufrufens einer Patienteninformation auf, und der Schritt des Ermittelns der Untersuchungsinformation erfolgt zusätzlich basierend auf der Patienteninformation. Eine Patienteninformation kann beispielsweise eine oder mehrere der folgenden das Alter, das Geschlecht, ein oder mehrere Vorerkrankungen, eine Information über eine Krankheitsgeschichte des Patienten, eine Information über eine Krankheitsgeschichte eines Verwandten des Patienten, und/oder eine Information über eine Lebensgewohnheit des Patienten umfassen. Die Patienteninformation kann beispielsweise in dem Histopathologiedatensätzen enthalten sein. Alternativ oder zusätzlich kann die Patienteninformation in den zusätzlichen medizinischen Daten enthalten sein. Entsprechend kann das Aufrufen der Patienteninformation ein Extrahieren der Patienteninformation aus dem Histopathologiedatensätzen oder aus den abgerufenen zugeordneten medizinischen Daten umfassen. Insbesondere kann der Analysealgorithmus dazu ausgebildet sein, die Patienteninformation aus dem Histopathologiedatensatz und/oder den zugeordneten medizinischen Daten zu gewinnen.
  • Die Patienteninformation kann Hinweise auf mögliche krankhafte Gewebeveränderungen liefern. Ist für einen Patienten unter Lebensgewohnheiten beispielsweise ,Raucher‘ angeben, so kann dies andere mögliche krankhafte Gewebeveränderungen und damit weiterführende Untersuchungen indizieren, als wenn das nicht der Fall ist. Gleiches gilt für Vorerkrankungen, das Alter oder das Geschlecht des Patienten. Damit werden beim automatischen Ermitteln der Untersuchungsinformation die Gegebenheiten des Einzelfalls gut berücksichtigt, was z.B. zu zielgerichteten zweiten Histopathologie-Schnittbildern führen kann.
  • Gemäß einem Aspekt weist das Verfahren ferner einen Schritt des Bestimmens einer Angabe betreffend den befundenden Nutzer auf, wobei der Schritt des Ermittelns zusätzlich basierend auf der Angabe betreffend den befundenen Nutzer erfolgt.
  • Die Angabe betreffend den befundenen Nutzer kann beispielsweise einen Namen des befundenen Nutzers, eine Information über eine oder mehrere histopathologische Färbungen, die der Nutzer bei der Analyse früherer Histopathologiedatensätze verwendet hat und/oder eine Information betreffend eines oder mehrerer früherer histopathologischer Befunde des Nutzers umfassen. Die Angabe betreffend den befundenden Nutzer kann beispielsweise in dem Histopathologiedatensatz enthalten sein. Alternativ oder zusätzlich kann die Angabe betreffend den befundenden Nutzer in den zugeordneten medizinischen Daten enthalten sein. Entsprechend kann das Bestimmen der Angabe betreffend den befundenden Nutzer ein Ermitteln der Angabe betreffend den befundenden Nutzer aus dem Histopathologiedatensatz oder aus den abgerufenen zugeordneten medizinischen Daten umfassen. Insbesondere kann der Analysealgorithmus dazu ausgebildet sein, die Angabe betreffend den befundenden Nutzer aus dem Histopathologiedatensatz und/oder den zugeordneten medizinischen Daten zu bestimmen.
  • Gemäß einem Aspekt weist das Verfahren einen Schritt des Identifizierens einer oder mehrerer für den Histopathologiedatensatz relevanter medizinischer Richtlinien für den Patienten auf, wobei der Schritt des Ermittelns zusätzlich basierend auf den ein oder mehreren ermittelten medizinischen Richtlinien erfolgt.
  • Insbesondere kann der Schritt des Identifizierens basierend auf der Nutzereingabe, den zugeordneten medizinischen Daten, dem Histopathologiedatensatz und/oder den ersten Histopathologie-Schnittbildern erfolgen. Insbesondere kann der Analysealgorithmus dazu ausgebildet sein, die ein oder mehreren medizinischen Richtlinien zu identifizieren.
  • Medizinische Richtlinien können für eine mögliche Diagnose oder eine Fallgruppe mögliche nächste Schritte hinsichtlich einer weiterführenden histopathologischen Untersuchung angeben. Eine Fallgruppe kann dabei beispielsweise durch eine Zugehörigkeit zu einer Patientenkohorte definiert sein, die wiederrum durch demografische Randbedingungen, wie etwa Alter, Geschlecht, etc., und das Vorliegen eines bestimmten Krankheitstyps definiert sein kann. Beispielsweise können nächste Schritte empfohlene zweite histopathologische Färbungen umfassen. Die mögliche Diagnose und/oder die Zugehörigkeit zu einer Fallgruppe können durch die Nutzereingabe durch den Nutzer vorgegeben werden. Alternativ oder zusätzlich können die mögliche Diagnose und/oder die Zugehörigkeit zu einer Fallgruppe aus den zur Verfügung stehenden Informationen automatisch ermittelt werden, beispielsweise durch Auswertung der zugeordneten medizinischen, z.B. in Form eines vorbekannten radiologischen Befundes.
  • Gemäß einem Aspekt weist das Verfahren ferner einen Schritt des Auswählens ein oder mehrerer ähnlicher Histopathologiedatensätze aus einer Reihe von Referenz-Histopathologiedatensätzen auf. Die ausgewählten ähnlichen Histopathologiedatensätze weisen dabei eine definierte Ähnlichkeit mit dem Histopathologiedatensatz auf, wobei der Schritt des Ermittelns zusätzlich basierend auf den ähnlichen Histopathologiedatensätzen erfolgt.
  • Zu den Referenz-Histopathologiedatensätze können durchgeführte weiterführende histopathologische Untersuchungen jeweils vorbekannt sein. Insbesondere können ein oder mehrere für die Referenz-Histopathologiedatensätze verwendete zweite histopathologische Färbungen vorbekannt sein. Beispielsweise können Informationen betreffend die für die Referenz-Histopathologiedatensätze durchgeführten weiterführenden histopathologischen Untersuchungen direkt in den Referenz-Histopathologiedatensätzen, z.B. als Metadaten, gespeichert sein. Alternativ oder zusätzlich können diese Informationen als den Referenz-Histopathologiedatensätzen zugeordnete medizinische Daten verfügbar sein. Die Referenz-Histopathologiedatensätze können grundsätzlich die gleiche Konfiguration wie der Histopathologiedatensatz aufweisen, und somit sowohl Bilddaten als auch Nicht-Bild-Daten aufweisen. Als Bilddaten können die Referenz-Histopathologiedatensätze allerdings neben ein oder mehreren ersten Histopathologie-Schnittbilder ein oder mehrere zweite Histopathologie-Schnittbilder aufweisen, die durch Anwenden einer oder mehrerer zweiter histopathologischer Färbungen erstellt wurden. Die Referenz-Histopathologiedatensätze können beispielsweise in einer Datenbank gespeichert sein.
  • Gemäß einem Aspekt umfasst das Auswählen ein Extrahieren einer ersten Merkmalssignatur aus dem Histopathologiedatensatz und/oder dem Histopathologiedatensatz zugeordneter medizinischer Daten und ein Ermitteln der ähnlichen Histopathologiedatensatz aus den Referenz-Histopathologiedatensätze basierend auf der extrahierten ersten Merkmalssignatur.
  • Durch die Berücksichtigung der Referenz-Histopathologiedatensätze können zu dem vorliegenden Fall ähnlich gelagerte Fälle aus der Vergangenheit identifiziert werden, bei denen bereits eine weiterführende histopathologische Untersuchung durchgeführt wurde. Dies kann bei der Ermittlung möglicher weiterführender Untersuchungen für den vorliegenden Fall in vorteilhafter Weise berücksichtigt werden. Insbesondere können so z.B. mögliche zweite histopathologische Färbungen identifiziert werden, die sich bei ähnlich gelagerten Fällen bewährt haben.
  • Die erste Merkmalssignatur kann ein oder mehrere Merkmale aufweisen, die dem Histopathologiedatensatz und/oder den zugeordneten medizinischen Daten und/oder der Nutzereingabe extrahiert bzw. aus diesen berechnet wurden. Die Merkmalssignatur kann aus den Bilddaten des Histopathologiedatensatzes extrahierte Merkmale und/oder aus zum Histopathologiedatensatz gehörenden Metadaten (den zugeordneten medizinischen Daten) extrahierte Merkmale aufweisen. Die erste Merkmalssignatur kann damit den vorliegenden Fall bzw. den Patienten insbesondere im Kontext einer histopathologischen Befundung charakterisieren. Die Merkmale der ersten Merkmalssignatur können zu einem Merkmalsvektor zusammengefasst sein. Insbesondere kann die erste Merkmalssignatur den Merkmalsvektor aufweisen. Die Merkmale können morphologische und/oder strukturelle und/oder eine Textur betreffende und/oder ein Muster betreffende Merkmale der ersten Histopathologie-Schnittbilder sein. Insbesondere können die Merkmale eine Gewebestruktur oder eine Gewebedichte umfassen. Ferner können die Merkmale eine Zelldichte, eine Zellmorphologie, eine Verteilung einer histopathologischen Färbung, eine Zellgröße, einen Anteil von Tumorzellen und dergleichen aufweisen. Ferner können die Merkmale ein oder mehrere kategorische Variablen umfassen, wie z.B. die verwendete erste histopathologische Färbung, einen oder mehrere vermutete Befunde, eine Angabe eines befundenden Nutzers und/oder eine Angabe eines überweisenden Arztes usw. Ferner können die Merkmale eine oder mehrere Angaben aus der Patienteninformation und/oder der Gewebeinformation umfassen. Insbesondere kann der Analysealgorithmus dazu ausgebildet sein, die erste Merkmalssignatur zu extrahieren. Ferner kann der Analysealgorithmus dazu ausgebildet sein, basierend auf der ersten Merkmalssignatur die ähnlichen Histopathologiedatensätze aus den Referenz-Histopathologiedatensätzen zu ermitteln.
  • Ferner kann das Ermitteln der ähnlichen Histopathologiedatensätze ein Vergleichen der ersten Merkmalssignatur mit der ersten Merkmalssignatur entsprechenden zweiten Merkmalssignaturen der Referenz-Histopathologiedatensätze umfassen. Die zweiten Merkmalssignaturen weisen bevorzugt die gleiche Konfiguration wie die erste Merkmalssignatur auf. Insbesondere weisen die zweiten Merkmalssignaturen wenigstens eine Teilmenge der Merkmale der ersten Merkmalssignatur auf. Ferner kann das Vergleichen der ersten und zweiten Merkmalssignaturen ein Bestimmen eines Ähnlichkeitsmaßes zwischen den jeweiligen zweiten Merkmalssignaturen und der ersten Merkmalssignatur umfassen. Das Auswählen der ähnlichen Histopathologiedatensätze aus den Referenz-Histopathologiedatensätzen kann dann basierend auf den jeweiligen Ähnlichkeitsmaßen erfolgen. Insbesondere kann der Analysealgorithmus dazu ausgebildet sein, den beschriebenen Vergleich der ersten und zweiten Merkmalssignaturen durchzuführen.
  • Das Vergleichen sowie das Bestimmen der Ähnlichkeitsmaße können beispielsweise auf der Bestimmung eines Abstands zwischen der ersten Merkmalssignatur und der jeweiligen zweiten Merkmalssignatur, der Berechnung einer Kosinus-Ähnlichkeit der ersten und zweiten Merkmalssignaturen und/oder der Berechnung einer gewichteten Summe des Unterschieds bzw. der Ähnlichkeit einzelner Merkmale der ersten und zweiten Merkmalssignaturen basieren. Ähnliche Histopathologiedatensätze können von den Referenz-Histopathologiedatensätzen insbesondere diejenigen sein, deren zugehöriges Ähnlichkeitsmaß größer als eine vorgegebene oder vorgebbare Schwelle ist.
  • Ferner kann das Ermitteln der ähnlichen Histopathologiedatensätze ein Extrahieren der zweiten Merkmalssignaturen aus den Referenz-Histopathologiedatensätzen umfassen. Insbesondere kann der Analysealgorithmus dazu ausgebildet sein, die zweiten Merkmalssignaturen aus den Referenz-Histopathologiedatensätzen zu extrahieren. Alternativ oder zusätzlich können die zweiten Merkmalssignaturen bereits angelegt sein.
  • Durch die Verwendung von Merkmalssignaturen wird ein einfach zu implementierendes Vergleichsobjekt definiert. Zudem beruhen die in den Merkmalssignaturen enthaltenen Merkmale auf übergeordneten Observablen, welche oftmals eine gute Aussage über die Charakteristika eines Falles liefern.
  • Gemäß einem Aspekt wird der befundende Nutzer über die ausgewählten ähnlichen Histopathologiedatensätze über eine Nutzerschnittstelle informiert. Dabei können dem Nutzer z.B. einzelne Elemente der ähnlichen Histopathologiedatensätze, wie etwa erste und/oder zweite Histopathologie-Schnittbilder, ein oder mehrere frühere Befunde, und/oder ein oder mehrere in Zusammenhang mit den ähnlichen Histopathologiedatensätzen durchgeführte weiterführende histopathologische Untersuchungen angezeigt werden.
  • Der befundende Nutzer bekommt dadurch einen Überblick über ähnlich gelagerte Fälle und wird dadurch bei der Befundung des vorliegenden Falls unterstützt.
  • Gemäß einem Aspekt ist die erste histopathologische Färbung eine Hämatoxylin-Eosin-Färbung. Die Hämatoxylin-Eosin-Färbung ist eine Übersichtsfärbung, die einen guten Startpunkt für die Bestimmung etwaiger weiterführender histopathologischer Untersuchungen darstellt und erste Hinweise auf krankhafte Veränderungen des Gewebes liefert.
  • Gemäß einem Aspekt umfasst der Schritt des Bereitstellens der Untersuchungsinformation eine Ausgabe der Untersuchungsinformation an den befundenen Nutzer über eine Nutzerschnittstelle.
  • Der Nutzer wird dadurch nicht nur über das Ergebnis der automatischen Ermittlung informiert, sondern überdies in die Lage versetzt, das Ergebnis zu bewerten und ggf. abzuändern.
  • Gemäß einem Aspekt umfasst das Verfahren ferner einen Schritt des Empfangens einer Rückmeldung betreffend die Untersuchungsinformation. Insbesondere kann die Rückmeldung von dem befundenen Nutzer stammen und über die Nutzerschnittstelle empfangen werden. Alternativ kann die Rückmeldung auch dem eigentlichen Prozess der Festlegung der weiterführenden (histo-)pathologischen Untersuchung nachgeschaltet sein und z.B. erst dann erfolgen, wenn die Ergebnisse der basierend auf der Untersuchungsinformation durchgeführten weiterführenden (histo-)pathologischen Untersuchung vorliegen. Insbesondere kann die Rückmeldung also auf einer basierend auf der Untersuchungsinformation durchgeführten (histo-)pathologischen Untersuchung basieren. Diese Rückmeldung kann beispielsweise eine Einschätzung umfassen, ob auf die Untersuchungsinformation hin angefertigte zweite Histopathologie-Schnittbilder sich in der klinischen Trajektorie des Patienten als hilfreich erweisen haben. Eine solche Einschätzung kann beispielsweise von dem befundenden Nutzer oder auch anderen involvierten Klinikern, z.B. im Rahmen einer Tumor-Board-Sitzung, getroffen werden. Werden solche Rückmeldungen an den Algorithmus zurückgespielt, kann dieser sukzessive „dazulernen“ indem dieser basierend auf den Rückmeldungen angepasst wird. Alternativ können solche Einschätzungen verwendet werden, um medizinische Richtlinien zu erstellen oder anzupassen, auf die der Analysealgorithmus gemäß einem Aspekt zurückgreifen kann.
  • Gemäß einem Aspekt umfasst das Verfahren ferner einen Schritt des Anpassens der Untersuchungsinformation basierend auf der Rückmeldung. Gemäß einem Aspekt umfasst das Verfahren ferner einen Schritt des Bereitstellens der Rückmeldung an dem Analysealgorithmus zur Anpassung des Analysealgorithmus.
  • Mit anderen Worten wird so eine fortgesetzte Mensch-Maschine-Interaktion realisiert, um das Ermittlungsergebnis zu optimieren. Ferner erhält der Nutzer so die Möglichkeit, auf das Ermittlungsergebnis Einfluss zu nehmen, bevor weitere Schritte eingeleitet werden. Durch die optionale Rückmeldung an den Analysealgorithmus wird ferner die Möglichkeit eröffnet, diesen fortwährend zu verbessern. Gemäß einem Aspekt kann die Rückmeldung auch eine Bestätigung der Untersuchungsinformation durch den befundenden Nutzer sein. Die Anpassung der Untersuchungsinformation kann dann schlicht deren Verifizierung sein.
  • Gemäß einem Aspekt umfasst das Bereitstellen der Untersuchungsinformation eine Eingabe der Untersuchungsinformation in einen Färberoboter zur Erstellung der ein oder mehreren zweiten Histopathologie-Schnittbilder unter Verwendung einer oder mehrerer histopathologischer Färbungen, und/oder eine Weitergabe der Untersuchungsinformation an ein elektronisches Bestellsystem.
  • Diese Schritte der Anpassung der Untersuchungsinformation können der Rückmeldung des Nutzers nachgeschaltet sein. Durch die Weitergabe der Untersuchungsinformation an einen Färberoboter und/oder ein elektronisches Bestellsystem können automatisch Schritte zur Erstellung ein oder mehrerer zweiter Histopathologie-Schnittbilder in die Wege geleitet werden. Dadurch kann der befundende Nutzer weiter entlastet und die Diagnose insgesamt schneller erstellt werden.
  • Gemäß einem Aspekt umfasst die Untersuchungsinformation eine Konfidenzangabe, welche die Einschlägigkeit (bzw. Relevanz, bzw. Konfidenz) der Untersuchungsinformation für den Patienten angibt.
  • Der befundende Nutzer kann so abschätzen, wie ,sicher‘ sich der Analysealgorithmus mit der Untersuchungsinformation ist. Damit kann der Nutzer erkennen, welche Untersuchungsinformation bzw. welche Teile der Untersuchungsinformation er für die weitere Verwendung akzeptieren kann bzw. wo er ggf. noch nachsteuern muss. Insbesondere kann die Konfidenzangabe einen Konfidenzwert für jede zweite histopathologische Färbung umfassen. So kann der befundende Nutzer zielgerichtet jene zweite histopathologische Färbungen auswählen, welche für den vorliegenden Fall für eine weiterführende Untersuchung am besten geeignet sind.
  • Gemäß einem Aspekt wir ferner eine erklärende Angabe bereitgestellt, die Auskunft darüber gibt, welche aus dem Histopathologiedatensatz und/oder den zugeordneten medizinischen Daten abgeleiteten Parameter wie stark zu der Untersuchungsinformation beigetragen haben. Insbesondere kann der Analysealgorithmus zur Bestimmung der erklärenden Angabe ausgebildet sein. Bereitgestellt werden kann die erklärende Angabe beispielsweise dem Nutzer z.B. über eine Nutzerschnittstelle.
  • Durch die erklärende Angabe kann der Nutzer das Analyseergebnis besser nachvollziehen und so z.B. etwaigen Fehlgewichtungen einzelner Parameter entgegensteuern (z.B. durch seine Rückmeldung).
  • Gemäß einem Aspekt ist die Rückmeldung insbesondere eine vorgenannte Nutzereingabe betreffend die Erstellung der ein oder mehreren zweiten Histopathologie-Schnittbilder.
  • Gemäß einem Aspekt weist der Analysealgorithmus eine trainierte Funktion auf.
  • Eine trainierte Funktion bildet allgemein Eingabedaten auf Ausgabedaten ab. Hierbei können die Ausgabedaten insbesondere weiterhin von einem oder mehreren Parametern der trainierten Funktion abhängen. Der eine oder die mehreren Parameter der trainierten Funktion können durch ein Training bestimmt und/oder angepasst werden. Das Bestimmen und/oder das Anpassen des einen Parameters oder der mehreren Parameter der trainierten Funktion kann insbesondere auf einem Paar aus Trainingseingabedaten und zugehörigen Trainingsausgabedaten basieren, wobei die trainierte Funktion zur Erzeugung von Trainingsabbildungsdaten auf die Trainingseingabedaten angewendet wird. Insbesondere können das Bestimmen und/oder das Anpassen auf einem Vergleich der Trainingsabbildungsdaten und der Trainingsausgabedaten basieren. Im Allgemeinen wird auch eine trainierbare Funktion, d.h. eine Funktion mit noch nicht angepassten Parametern, als trainierte Funktion bezeichnet. Durch ein Training ein oder mehrerer optional in dem Analysealgorithmus enthaltener trainierbarer Funktionen kann der Analysealgorithmus dazu ausgebildet werden, eine oder mehrere der in Zusammenhang mit dem Analysealgorithmus beschriebenen Aufgaben auszuführen, so z.B. das Ermitteln der Untersuchungsinformation, das Auswerten der Histopathologiedatensätze, das Beschaffen und Auswerten dem Histopathologiedatensatz zugeordneter medizinscher Daten, die Einbeziehung medizinsicher Richtlinien, das Auswählen relevanter Histopathologie-Schnittbilder aus ggf. vorhandenen mehreren ersten Histopathologie-Schnittbildern und/oder das Auswählen ähnlicher Histopathologiedatensätze. Werden mehrere dieser Aufgaben durch eine trainierte Funktion realisiert, kann der Analysealgorithmus für jede dieser Aufgaben eine separate trainierte Funktion aufweisen. Alternativ oder zusätzlich kann eine trainierte Funktion zur Erledigung mehrerer dieser Aufgaben, bis hin zu allen dieser Aufgaben, ausgebildet oder trainiert sein.
  • Andere Begriffe für trainierte Funktion sind trainierte Abbildungsvorschrift, Abbildungsvorschrift mit trainierten Parametern, Funktion mit trainierten Parametern, Algorithmus basierend auf künstlicher Intelligenz, Algorithmus des maschinellen Lernens.
  • Gemäß einem Aspekt weist die trainierte Funktion einen elektronischen Klassifikator auf.
  • Der elektronische Klassifikator ist insbesondere dazu ausgebildet, den Histopathologiedatensatz aufgrund der Eigenschaften und Merkmale des Histopathologiedatensatzes ein oder mehreren weiterführenden histopathologischen Untersuchungsschritten zuzuordnen und diese Zuordnung als Untersuchungsinformation auszugeben. Dazu kann der elektronische Klassifikator beispielsweise aus mehreren möglichen weiterführenden histopathologischen Untersuchungsschritten diejenigen auswählen, die basierend auf dem Histopathologiedatensatz besonders geeignet erscheinen. Hierfür kann der elektronische Klassifikator fakultativ auf Vergleichsfälle aus der Vergangenheit zurückgreifen (den Referenz-Histopathologiedatensätzen) und den vorliegenden Histopathologiedatensatz basierend auf den Vergleichsfällen einordnen. Weiterhin kann der elektronische Klassifikator medizinische Richtlinien und/oder frühere Handlungen des befundenden Nutzers berücksichtigen.
  • Die trainierte Funktion kann gemäß einem Aspekt einen Support-Vector-Machine-Algorithmus, einen Entscheidungsbaum-Algorithmus, eine k-nächste-Nachbarn-Algorithmus, einen Bayes-Klassifikations-Algorithmus, ein, insbesondere faltendes, neuronales Netzwerk und/oder Kombinationen hiervon aufweisen.
  • Die Erfinder haben erkannt, dass sich die vorgenannten Schemata des maschinellen Lernens für die Ermittlung der Untersuchungsinformation eignen. Ein englischer Fachbegriff für faltendes neuronales Netzwerk ist convolutional neural network. Insbesondere kann das faltende neuronale Netzwerk als tiefes faltendes neuronales Netzwerk ausgebildet sein (ein englischer Fachbegriff ist „deep convolutional neural network“). Das neuronale Netzwerk weist dabei ein oder mehrere Faltungsschichten (ein englischer Fachbegriff ist „convolutional layer“) und ein oder mehrere Entfaltungsschichten (ein englischer Fachbegriff ist „deconvolutional layer“) auf. Insbesondere kann das neuronale Netzwerk eine Sammelschicht umfassen (ein englischer Fachbegriff ist „pooling layer“). Durch die Verwendung von Faltungsschichten und/oder Entfaltungsschichten kann ein neuronales Netzwerk besonders effizient zur Bildverarbeitung eingesetzt werden. Ein englischer Fachbegriff für Entscheidungsbaum ist „decision tree“. Ein englischer Fachbegriff für k-nächste-Nachbarn-Algorithmus ist „knearest-neighbor-algorithm“.
  • Gemäß einem Aspekt ist die trainierte Funktion insbesondere dazu ausgebildet ist, im Schritt des Ermittelns die ein oder mehreren ersten Histopathologie-Schnittbilder auszuwerten.
  • Insbesondere kann eine trainierte Funktion trainiert werden. Insbesondere kann das Training einer trainierten Funktion basierend auf den Trainingseingabedaten und zugehörigen Trainingsausgabedaten gemäß einer „überwachten“ Lerntechnik (ein englischer Fachbegriff ist „supervised learning“) durchgeführt werden, wobei die bekannten Trainingseingabedaten in die trainierte Funktion eingegeben und der die von der trainierten Funktion generierten Ausgabedaten mit den zugehörigen Trainingsausgabedaten verglichen werden. Die trainierte Funktion lernt und passt ihre Parameter an, solange die Ausgabedaten den Trainingsausgabedaten nicht ausreichend entsprechen.
  • Gemäß einem Aspekt kann die trainierte Funktion ferner dazu ausgebildet sein, dass sie basierend auf der Rückmeldung des Nutzers durch ein Anpassen der trainierten Funktion basierend auf der Rückmeldung fortwährend trainiert werden kann. Dadurch kann ein fortwährendes Lernen (ein englischer Ausdruck hierfür ist ,continuous learning‘) und somit ein stetiges Verbessern der trainierten Funktion erreicht werden.
  • Insbesondere können derartige lokal und für den Einzelfall erzielte Verbesserung in ein sog. Master der trainierten Funktion aufgenommen werden, welches Master insbesondere zentral verwaltet wird. Dieses Prinzip wird Federated Learning genannt. Gemäß einem Aspekt ist die trainierte Funktion durch ein Verfahren des Federated Learings bereitgestellt.
  • Gemäß einem Aspekt wird ferner ein computer-implementiertes Verfahren zum Bereitstellen einer trainierten Funktion zur automatischen Ermittlung einer Untersuchungsinformation betreffend eine weiterführende histopathologische Untersuchung basierend auf Histopathologiedatensätzen eines Patienten bereitgestellt. Das Verfahren weist mehrere Schritte auf. Ein erster Schritt ist auf das Bereitstellen einer trainierten Funktion gerichtet, die für diese Aufgabe (weiter) angepasst werden soll. Ein weiterer Schritt ist auf das Bereitstellen eines Trainings-Histopathologiedatensatzes gerichtet, welcher Trainings-Histopathologiedatensatz wenigstens ein Histopathologie-Schnittbild aufweist, welches Histopathologie-Schnittbild einen aus einer Gewebeprobe eines Patienten präparierten und mit einer ersten histopathologischen Färbung gefärbten Gewebeschnitt zeigt. Ein weiterer Schritt ist auf ein Bereitstellen einer verifizierten Untersuchungsinformation betreffend eine weiterführende histopathologische Untersuchung zu dem Trainings-Histopathologiedatensatz gerichtet. Ein weiterer Schritt ist auf ein Ermitteln einer Trainings-Untersuchungsinformation durch Eingabe des Trainings-Histopathologiedatensatzes in die trainierte Funktion gerichtet. Ein weiterer Schritt ist auf ein Vergleichen der verifizierten Untersuchungsinformation mit der ermittelten Trainings-Untersuchungsinformation gerichtet. Ein weiterer Schritt ist schließlich auf ein Anpassen der trainierten Funktion auf Grundlage des Vergleichs gerichtet.
  • Gemäß einem Aspekt kann die verifizierte Untersuchungsinformation eine zweite histopathologische Färbung umfassen. Gemäß einem Aspekt kann das Verfahren ferner das Bereitstellen dem Histopathologiedatensatz zugeordneter medizinischer Daten, ein oder mehrerer medizinischer Richtlinien, ein oder mehrerer Referenz-Histopathologiedatensätze, einer Patienteninformation, einer Nutzerinformation und/oder einer Nutzereingabe umfassen, wobei die trainierte Funktion die Untersuchungsinformation zusätzlich basierend auf den bereitgestellten dem Histopathologiedatensatz zugeordneten medizinischen Daten, ein oder mehreren medizinischen Richtlinien, ein oder mehreren Referenz-Histopathologiedatensätzen, der bereitgestellten Patienteninformation, Nutzerinformation und/oder Nutzereingabe ermittelt.
  • Gemäß einem Aspekt wird ein System zur Ermittlung einer Untersuchungsinformation betreffend eine weiterführende histopathologische Untersuchung bereitgestellt. Das System weist eine Schnittstelle und eine Steuerung auf. Die Schnittstelle ist zum Empfangen eines Histopathologiedatensatzes ausgebildet, welcher Histopathologiedatensatz ein oder mehrere erste Histopathologie-Schnittbilder aufweist, welche jeweils einen aus einer Gewebeprobe eines Patienten präparierten und mit einer ersten histopathologischen Färbung gefärbten ersten Gewebeschnitt zeigen. Die Steuerung ist dazu ausgebildet basierend auf dem Histopathologiedatensatz, eine Untersuchungsinformation betreffend eine weiterführende histopathologische Untersuchung zu ermitteln, welche Untersuchungsinformation wenigstens eine Angabe zur Erstellung von ein oder mehreren zweiten Histopathologie-Schnittbildern aus der Gewebeprobe, insbesondere zur weiterführenden Untersuchung durch einen befundenden Nutzer, aufweist, welche ein oder mehreren zweiten Histopathologie-Schnittbilder von den ein oder mehreren ersten Histopathologie-Schnittbildern verschieden sind. Die Steuerung ist ferner zum Bereitstellen der Untersuchungsinformation ausgebildet.
  • Die Steuerung kann als zentrale oder dezentrale Recheneinheit ausgebildet sein. Die Recheneinheit kann einen oder mehrere Prozessoren aufweisen. Die Prozessoren können als zentrale Verarbeitungseinheit (ein englischer Fachausdruck hierfür ist „central processing unit“, kurz CPU) und/oder als Grafikprozessor (ein englischer Fachausdruck hierfür ist „graphics processing unit“, kurz GPU) ausgebildet sein. Alternativ kann die Steuerung als lokaler oder Cloud-basierter Verarbeitungsserver implementiert sein.
  • Die Schnittstelle kann allgemein zum Datenaustausch zwischen der Steuerung und weiteren Komponenten ausgebildet sein. Die Schnittstelle kann in Form von einer oder mehreren einzelnen Datenschnittstellen implementiert sein, welche ein Hardware- und/oder Software-Interface, z.B. einen PCI-Bus, eine USB-Schnittstelle, eine Fire-Wire-Schnittstelle, eine ZigBee- oder eine Bluetooth-Schnittstelle aufweisen können. Die Schnittstelle kann ferner eine Schnittstelle eines Kommunikationsnetzwerks aufweisen, wobei das Kommunikationsnetzwerk ein Local Area Network (LAN), beispielsweise ein Intranet oder ein Wide Area Network (WAN) aufweisen kann. Entsprechend können die ein oder mehreren Datenschnittstellen eine LAN-Schnittstelle oder eine Wireless LAN-Schnittstelle (WLAN oder Wi-Fi) aufweisen.
  • Die Vorteile der vorgeschlagenen Vorrichtung entsprechen im Wesentlichen den Vorteilen des vorgeschlagenen Verfahrens. Merkmale, Vorteile oder alternative Ausführungsformen können ebenso auf die anderen beanspruchten Gegenstände übertragen werden und umgekehrt.
  • Die Erfindung betrifft in einem weiteren Aspekt ein Computerprogrammprodukt, das ein Programm umfasst und direkt in einen Speicher einer programmierbaren Steuerung ladbar ist, und Programmmittel, z.B. Bibliotheken und Hilfsfunktionen, aufweist, um ein Verfahren zur Bereitstellung einer Untersuchungsinformation betreffend eine weiterführende histopathologische Untersuchung insbesondere gemäß den vorgenannten Aspekten auszuführen, wenn das Computerprogrammprodukt ausgeführt wird.
  • Ferner betrifft die Erfindung in einem weiteren Aspekt ein computerlesbares Speichermedium, auf welchem lesbare und ausführbare Programmabschnitte gespeichert sind, um alle Schritte eines Verfahrens zur Bereitstellung einer Untersuchungsinformation betreffend eine weiterführende histopathologische Untersuchung insbesondere gemäß den vorgenannten Aspekten auszuführen, wenn die Programmabschnitte von der Steuerung ausgeführt werden.
  • Die Computerprogrammprodukte können dabei eine Software mit einem Quellcode, der noch kompiliert und gebunden oder der nur interpretiert werden muss, oder einen ausführbaren Softwarecode umfassen, der zur Ausführung nur noch in die Verarbeitungseinheit zu laden ist. Durch die Computerprogrammprodukte können die Verfahren schnell, identisch wiederholbar und robust ausgeführt werden. Die Computerprogrammprodukte sind so konfiguriert, dass sie mittels der Recheneinheit die erfindungsgemäßen Verfahrensschritte ausführen können. Die Recheneinheit muss dabei jeweils die Voraussetzungen wie beispielsweise einen entsprechenden Arbeitsspeicher, einen entsprechenden Prozessor, eine entsprechende Grafikkarte oder eine entsprechende Logikeinheit aufweisen, sodass die jeweiligen Verfahrensschritte effizient ausgeführt werden können.
  • Die Computerprogrammprodukte sind beispielsweise auf einem computerlesbaren Speichermedium gespeichert oder auf einem Netzwerk oder Server hinterlegt, von wo sie in den Prozessor der jeweiligen Recheneinheit geladen werden können, der mit der Recheneinheit direkt verbunden oder als Teil der Recheneinheit ausgebildet sein kann. Weiterhin können Steuerinformationen der Computerprogrammprodukte auf einem computerlesbaren Speichermedium gespeichert sein. Die Steuerinformationen des computerlesbaren Speichermedium können derart ausgebildet sein, dass sie bei Verwendung des Datenträgers in einer Recheneinheit ein erfindungsgemäßes Verfahren durchführen. Beispiele für computerlesbare Speichermedien sind eine DVD, ein Magnetband oder ein USB-Stick, auf welchem elektronisch lesbare Steuerinformationen, insbesondere Software, gespeichert ist. Wenn diese Steuerinformationen von dem Datenträger gelesen und in eine Recheneinheit gespeichert werden, können alle erfindungsgemäßen Ausführungsformen der vorab beschriebenen Verfahren durchgeführt werden. So kann die Erfindung auch von dem besagten computerlesbaren Medium und/oder dem besagten computerlesbaren Speichermedium ausgehen. Die Vorteile der vorgeschlagenen Computerprogrammprodukte bzw. der zugehörigen computerlesbaren Medien entsprechen im Wesentlichen den Vorteilen der vorgeschlagenen Verfahren.
  • Weitere Besonderheiten und Vorteile der Erfindung werden aus den nachfolgenden Erläuterungen von Ausführungsbeispielen anhand von schematischen Zeichnungen ersichtlich. In diesem Zusammenhang genannte Modifikationen können jeweils miteinander kombiniert werden, um neue Ausführungsformen auszubilden. In unterschiedlichen Figuren werden für gleiche Merkmale die gleichen Bezugszeichen verwendet.
  • Es zeigen:
    • 1 eine schematische Darstellung einer Ausführungsform eines Systems zur Bereitstellung einer Untersuchungsinformation für eine weiterführende histopathologische Untersuchung,
    • 2 ein Ablaufdiagramm eines Verfahrens zur Bereitstellung einer Untersuchungsinformation für eine weiterführende histopathologische Untersuchung gemäß einer Ausführungsform,
    • 3 ein Ablaufdiagramm eines Verfahrens zur Bereitstellung einer Untersuchungsinformation für eine weiterführende histopathologische Untersuchung gemäß einer Ausführungsform,
    • 4 ein Ablaufdiagramm eines Verfahrens zur Bereitstellung einer Untersuchungsinformation für eine weiterführende histopathologische Untersuchung gemäß einer Ausführungsform,
    • 5 ein Ablaufdiagramm eines Verfahrens zur Bereitstellung einer Untersuchungsinformation für eine weiterführende histopathologische Untersuchung gemäß einer Ausführungsform,
    • 6, eine schematische Darstellung einer Ausführungsform eines Systems zum Anpassen eines Analysealgorithmus, der zur Ermittlung einer Untersuchungsinformation für eine weiterführende histopathologische Untersuchung geeignet ist, und
    • 7 ein Ablaufdiagramm eines Verfahrens zur Anpassung einer Analysealgorithmus zur Verbesserung eines Visualisierungsbildes eines dreidimensionalen Objekts gemäß einer Ausführungsform.
  • In 1 ist ein System 1 zur Bereitstellung einer Untersuchungsinformation UI basierend auf einem Histopathologiedatensatz HDS gemäß einer Ausführungsform dargestellt. Das System 1 weist eine Nutzerschnittstelle 10, eine Recheneinheit 20, und eine Schnittstelle 30 sowie, optional, eine Speichereinheit 60, ein histopathologisches Analysesystem 70 und eine Datenbank 80 auf. Ferner kann das System über die Schnittstelle 30 mit einem medizinischen Informationssystem 50 in Verbindung stehen und/oder ein solches aufweisen. Die Recheneinheit 20 ist grundsätzlich zur Berechnung und Bereitstellung einer Untersuchungsinformation UI basierend auf einem Histopathologiedatensatz HDS und ggf. dem Histopathologiedatensatz HDS zugeordneten medizinischen Daten ZMD ausgebildet. Der Histopathologiedatensatz HDS, für den die Untersuchungsinformation UI ermittelt werden soll, wird auch zu befundender Histopathologiedatensatz HDS genannt. Der Histopathologiedatensatz HDS kann der Recheneinheit 20 über die Schnittstelle 30 von der Speichereinheit 60 bereitgestellt werden. Die zugeordneten medizinischen Daten ZMD können von der Speichereinheit 60, der Datenbank 80 und/oder dem medizinischen Informationssystem 50 abgerufen werden.
  • Die Speichereinheit 60 kann als zentrale oder dezentrale Datenbank ausgebildet sein. Die Speichereinheit 60 kann insbesondere Teil eines Serversystems sein. Die Speichereinheit 60 ist insbesondere dazu ausgebildet, einen oder mehrere Histopathologiedatensatz HDS zu speichern und der Recheneinheit 20 auf Abruf bereitzustellen. Die Datenbank 80 kann als zentrale oder dezentrale Datenbank ausgebildet sein. Die Datenbank 80 kann insbesondere Teil eines Serversystems sein. Die Datenbank 80 ist insbesondere dazu ausgebildet mehrere Referenz-Histopathologiedatensätze R-HDS zu speichern und der Recheneinheit 20 für einen Vergleich mit dem zu befundenden Histopathologiedatensatz HDS bereitzustellen. Die Referenz-Histopathologiedatensätze R-HDS können als eine Form von dem zu befundenden Histopathologiedatensatz HDS zugeordneten medizinischen Daten ZMD angesehen werden. Sowohl die Speichereinheit 60 als auch die Datenbank 80 können insbesondere Teil des medizinischen Informationssystems 70 sein.
  • Das medizinische Informationssystem 70 kann beispielsweise ein Krankenhausinformationssystem (ein englischer Fachbegriff hierfür ist hospital information system oder kurz HIS) ein Laborinformationssystem (LIS) ein Radiologie-Informationssystem (RIS), ein kardiovaskuläres Informationssystem (ein englischer Fachbegriff hierfür ist Cardiovascular Information Systems oder kurz CVIS) ein Picture Archiving and Communicating Systems (PACS) und/oder Kombinationen der vorgenannten Systeme umfassen. Die aus dem medizinischen Informationssystem 70 abrufbaren zugeordneten medizinischen Daten ZMD können entsprechend beispielsweise Labor- und/oder Radiologiedaten, einen oder mehrere frühere Befunde zum Patienten, eine Patienteninformation (beispielsweise betreffend das Alter, das Geschlecht und/oder die Vorerkrankungen des Patienten) und dergleichen umfassen. Ferner können die zugeordneten medizinischen Daten ZMD eine Nutzerinformation (beispielsweise betreffend einen Namen eines Nutzers und/oder eine oder mehrere frühere Nutzerhandlungen und/oder dessen gespeicherte Präferenzen für weiterführende Analyseschritte) umfassen. Ferner können die zugeordneten medizinischen Daten ZMD ein oder mehrere elektronische medizinische Textbücher bzw. Kompendien umfassen. Darüber hinaus können ähnlich gelagerte Altfälle vergleichbarer Patienten (etwa in Form eines oder mehrerer Referenz-Histopathologiedatensätze R-HDS) in den zugeordneten medizinischen Daten ZMD umfasst sein. Ferner können ein oder mehrere für die Befundung des Patienten einschlägige Richtlinien in den zugeordneten medizinischen Daten ZMD umfasst sein.
  • Die Histopathologiedatensätze HDS sind jeweils einem Patienten eindeutig zugeordnet bzw. zuordenbar. Ein Histopathologiedatensatz HDS weist insbesondere ein oder mehrere Histopathologie-Schnittbild auf. Bevorzugt basieren alle Histopathologie-Schnittbild eines Histopathologiedatensatz HDS auf einer einzelnen Gewebeprobe eines Patienten.
  • Die Gewebeprobe wurde dem Patienten aus einem anatomischen Zielbereich entnommen. Der anatomische Zielbereich kann beispielsweise ein Organ oder eine Gewebebereich sein, die z.B. mit einer bildgebenden Modalität wie einem MR- oder CT-Gerät identifiziert wurden. Die Gewebeprobe kann dem Patienten z.B. im Wege einer Biopsie, einer Operation als Operationspräparat oder Exzision entnommen worden sein. Aus den Gewebeproben werden mikrometerdünne Gewebeschnitte erzeugt. Typischerweise werden dazu aus einer Gewebeprobe mit einem Stanzzylinder mehrere Bereiche (sog. Stanzen, Sektionen oder Blöcke) ausgestanzt, die dann in dünne Gewebeschnitte geschnitten werden. Die entstehenden Gewebeschnitte können dann durch verschiedene Techniken fixiert, präpariert und vorbereitet werden, bevor sie schließlich durch eine histopathologische Färbung eingefärbt werden. Histologische Färbungen dienen einerseits dazu, den Kontrast der in den Gewebeschnitten enthaltenen Gewebe- bzw. Zellstrukturen zu erhöhen. Andererseits können histologische Färbungen gezielt eingesetzt werden, um spezifische Merkmale hervorzuheben und damit spezifische pathologische Fragestellungen zu adressieren. Es gibt eine Vielzahl verschiedener histologischer Färbungen, die im Laufe der letzten 120 Jahre entwickelt wurden. An erster Stelle steht meist die Hämatoxylin-Eosin-Färbung (H&E-Färbung) als Routine- und Übersichtsfärbung. Basierend auf den Ergebnissen mit einer solchen ersten histopathologischen Färbungen werden dann häufig zweite, weiterführende - auch Spezialfärbungen genannte, histopathologische Färbungen geordert.
  • In modernen Laboren werden zumindest für gängige Färbungen meist computergesteuerte Färbeautomaten eingesetzt, bzw. weiterführende Färbungen können über ein elektronisches Bestellsystem geordert werden. Diese Komponenten können in dem System 1 beispielsweise Teil des, insbesondere automatisierten, histopathologischen Analysesystems 70 sein.
  • Die gefärbten Gewebeschnitte werden anschließend digitalisiert. Hierfür werden spezialisierte Scanner, sog. Slide Scanner verwendet, welche ebenfalls Teil des histopathologischen Analysesystems 70 sein können. Das dabei aufgenommene Bild wird auch als „Whole Slide Image“ bezeichnet. Die dabei aufgenommen Bilddaten sind typischerweise zweidimensionale Pixeldaten, wobei jedem Pixel ein Farbwert zugeordnet ist.
  • Die Histopathologiedatensatz HDS weisen dabei wenigstens ein erstes Histopathologie-Schnittbild SB1 auf, das unter Verwendung einer ersten histopathologischen Färbung erzeugt wurde. Bevorzugt ist diese erste histopathologische Färbung eine Übersichtsfärbung, von der ausgehend über die weiterführende histopathologische Untersuchung des zu befundenen Falls entschieden wird. Insbesondere kann diese erste histopathologische Färbung eine H&E-Färbung umfassen.
  • Zusätzlich kann ein Histopathologiedatensatz HDS Nicht-Bild-Daten oder Metadaten aufweisen. Die Metadaten können sich ganz oder teilweise mit den zugeordneten medizinischen Daten ZMD überschneiden. Beispielsweise können die Metadaten ebenfalls Patienteninformationen, Nutzerinformationen und/oder einen oder mehrere frühere Befunde aufweisen. Zusätzlich können die Metadaten eine Gewebeprobeninformation umfassen. Die Gewebeprobeninformation kann beispielsweise eine Herkunft der Gewebeprobe bzw. einen Ort der Gewebeprobenentnahme umfassen. Ferner kann die Gewebeprobeninformation eine oder mehrere Angaben über die Lage und Art der der Gewebeprobe entnommenen Stanzen umfassen. Ferner kann die Gewebeprobeninformation eine oder mehrere Angaben über die Art und Lage der vorgenommenen oder möglichen Gewebeschnitte umfassen. Zusätzlich kann die Gewebeinformation eine Angabe über die Beschaffenheit des Gewebes, z.B. in Form eines Makroskopieberichts enthalten.
  • Die Nutzerschnittstelle 10 weist eine Anzeigeeinheit 11 und eine Eingabeeinheit 12 auf. Die Nutzerschnittstelle 10 kann als tragbares Rechnersystem, wie etwa ein Smartphone oder ein Tablet-Computer ausgebildet sein. Ferner kann die Nutzerschnittstelle 10 als Desktop-PC oder Laptop ausgebildet sein. Die Eingabeeinheit 12 kann in die Anzeigeeinheit 11 integriert sein, beispielsweise in Form eines berührungsempfindlichen Bildschirms. Als Alternative oder zusätzlich kann die Eingabeeinheit 12 eine Tastatur oder eine Computermaus und/oder einen digitalen Stift aufweisen. Die Anzeigeeinheit 11 ist dazu ausgebildet, einzelne oder mehrere Histopathologie-Schnittbilder SB1, SB2 und/oder die ermittelte Untersuchungsinformation UI darzustellen. Die Nutzerschnittstelle 10 ist ferner dazu ausgebildet, von dem Nutzer eine Nutzereingabe NE betreffend die Ermittlung der Untersuchungsinformation UI und/oder eine Rückmeldung RM eines Nutzers bezüglich einer ermittelten Untersuchungsinformation UI zu empfangen.
  • Die Nutzerschnittstelle 10 weist einen oder mehrere Prozessoren 13 auf, die dazu ausgebildet sind, eine Software zur Ansteuerung der Anzeigeeinheit 11 und der Eingabeeinheit 12 auszuführen, um eine grafische Nutzeroberfläche bereitzustellen, die es dem Nutzer ermöglicht, ein oder mehrere Histopathologie-Schnittbilder SB1, SB2 in Augenschein zu nehmen, ein oder mehrere Analysetools auf die Histopathologie-Schnittbilder SB1, SB2 anzuwenden, die ermittelte Untersuchungsinformation UI zu analysieren und diesbezügliche Nutzereingaben NE und/oder Rückmeldungen RM einzugeben. Der Nutzer kann die Software beispielsweise über die Nutzerschnittstelle 10 aktivieren, z.B. indem er sie von einem App-Store herunterlädt. Gemäß weiteren Ausführungsformen kann die Software auch ein Client-Server Computerprogramm in Form eine Web-Applikation sein, die in einem Browser läuft.
  • Die Schnittstelle 30 kann ein oder mehrere einzelne Datenschnittstellen aufweisen, die den Datenaustausch zwischen den Komponenten 10, 20, 50, 60, 70, 80 des Systems 1 gewährleisten. Die ein oder mehreren Datenschnittstellen können Teil der Nutzerschnittstelle 10, der Recheneinheit 20 des medizinischen Informationssystems 50, der Speichereinheit 60, des histopathologischen Analysesystems 70 und/oder der Datenbank 80 sein. Die ein oder mehreren Datenschnittstellen können ein Hardware- und/oder Software-Interface, z.B. einen PCI-Bus, eine USB-Schnittstelle, eine Fire-Wire-Schnittstelle, eine ZigBee- oder eine Bluetooth-Schnittstelle aufweisen. Die ein oder mehreren Datenschnittstellen können eine Schnittstelle eines Kommunikationsnetzwerks aufweisen, wobei das Kommunikationsnetzwerk ein Local Area Network (LAN), beispielsweise ein Intranet oder ein Wide Area Network (WAN) aufweisen kann. Entsprechend können die ein oder mehreren Datenschnittstellen eine LAN-Schnittstelle oder eine Wireless LAN-Schnittstelle (WLAN oder Wi-Fi) aufweisen.
  • Die Recheneinheit 20 kann einen Prozessor aufweisen. Der Prozessor kann als Central Processing Unit (CPU), Graphics Processing Unit (GPU), digitaler Signal Prozessor (DSP), Bildverarbeitungsprozessor, integrierter (digitaler oder analoger) Schaltkreis oder Kombinationen der vorgenannten Komponenten und weitere Einrichtungen zur Verarbeitung von Histopathologiebilddaten gemäß Ausführungsformen der Erfindung aufweisen. Die Recheneinheit 20 kann als einzelne Komponente implementiert sein oder mehrere Komponenten aufweisen, die parallel oder seriell arbeiten. Alternativ kann die Recheneinheit 20 eine reale oder virtuelle Gruppe von Rechnern aufweisen, wie etwa einen Cluster oder eine Cloud. Ein solches System kann Server-System genannt werden. Ferner kann die Recheneinheit 20 einen Arbeitsspeicher, wie einen RAM, aufweisen, um beispielsweise die Histopathologiedatensätze HDS und/oder einzelne Histopathologie-Schnittbilder SB1, SB2 zu speichern. Alternativ kann ein solcher Arbeitsspeicher auch in der Nutzerschnittstelle 10 angeordnet sein. Die Recheneinheit 20 ist z.B. durch computerlesbare Instruktionen, durch Design und/oder Hardware derart ausgebildet, dass sie ein oder mehrere Verfahrensschritte gemäß Ausführungsformen der vorliegenden Erfindung ausführen kann. Insbesondere kann die Recheneinheit 20 dazu ausgebildet sein, einen Analysealgorithmus zur Ermittlung der Untersuchungsinformation UI auszuführen.
  • Die Recheneinrichtung 20 kann Untereinheiten oder Module 21-23 aufweisen, die dazu ausgebildet sind, einem Nutzer im Rahmen einer fortgesetzten Mensch-Maschine Interaktion eine Untersuchungsinformation UI zur Verfügung zu stellen und ihn so bei der Befundung des zu befunden Histopathologiedatensatz HDS zu unterstützen.
  • Das Modul 21 ist ein Datenbeschaffungsmodul, das zur Bereitstellung des zu befunden Histopathologiedatensatz HDS, sowie ggf. von zugeordneten medizinischen Daten ZMD ausgebildet ist. Beispielsweise kann Modul 21 dazu ausgebildet sein, den zu befunden Histopathologiedatensatz HDS von der Speichereinheit 60 zu empfangen und in die Recheneinheit 20 oder die Nutzerschnittstelle 10 zu laden. Dies kann beispielsweise auf einen über die Nutzerschnittstelle 10 eingegebenen Befehl des Nutzers hin geschehen oder automatisch ausgelöst werden. Ferner kann das Modul 21 dazu ausgebildet sein, dem Nutzer auf einen Befehl hin oder automatisch einzelne Histopathologie-Schnittbilder SB1, SB2 des zu befundenen Histopathologiedatensatz HDS über die Nutzerschnittstelle 10 anzuzeigen. Ferner kann das Modul 21 dazu ausgebildet sein, die zugeordneten medizinischen Daten ZMD von dem medizinischen Informationssystem 50, der Speichereinheit 60 und/oder der Datenbank 80 automatisch abzurufen.
  • Das Modul 22 ist ein Analysemodul, das zur Ermittlung der Untersuchungsinformation UI ausgebildet ist. Dazu ist das Modul 22 ausgebildet, den Histopathologiedatensatz HDS und hier insbesondere die ersten Histopathologie-Schnittbilder SB1 auszuwerten. Ferner kann das Modul 22 dazu ausgebildet sein, bei der Ermittlung der Untersuchungsinformation UI etwaige Metadaten in den Histopathologiedatensatz HDS und/oder zugeordnete medizinische Daten ZMD zu berücksichtigen. Ferner kann das Modul 22 dazu ausgebildet sein, eine Nutzereingabe NE oder eine Rückmeldung RM über eine Untersuchungsinformation UI bei der Ermittlung der Untersuchungsinformation UI zu berücksichtigen.
  • Modul 23 kann als Dialogmodul aufgefasst werden, das dazu ausgebildet ist, dem Nutzer die Untersuchungsinformation UI über die Nutzerschnittstelle 10 anzuzeigen und die Nutzereingabe NE bzw. die Rückmeldung RM von dem Nutzer zu empfangen.
  • Die vorgenommene Unterteilung der Recheneinheit 20 in Elemente 21-23 dient dabei lediglich der einfacheren Erklärung der Funktionsweise der Recheneinheit 20 und ist nicht beschränkend zu verstehen. Die Elemente 21-23 bzw. deren Funktionen können auch in einem Element zusammengefasst sein. Die Elemente 21-23 können dabei insbesondere auch als Computerprogrammprodukte oder Computerprogrammsegmente aufgefasst werden, welche bei Ausführung in der Recheneinheit 20 ein oder mehrere der nachstehend beschriebenen Verfahrensschritte realisieren.
  • Die Recheneinheit 20 und der Prozessor 13 können zusammen die Steuerung 40 bilden. Es sein angemerkt, dass das gezeigte Layout der Steuerung 40, d.h. die geschilderte Aufteilung auf die Recheneinheit 20 und den Prozessor 13, ebenfalls nur beispielhaft zu verstehen ist. So kann die Recheneinheit 20 vollständig in dem Prozessor 13 integriert sein und umgekehrt. Insbesondere können die Verfahrensschritte durch ausführen eines entsprechenden Computerprogrammprodukts (z.B. einer auf der Nutzerschnittstelle 10 installierten Software) vollständig auf dem Prozessor 13 der Nutzerschnittstelle 10 laufen, welche dann über die Schnittstelle 30 direkt z.B. mit der Speichereinheit 60 wechselwirkt. Mit anderen Worten wären dann die Recheneinheit 20 identisch mit dem Prozessor 13.
  • Wie bereits erwähnt kann die Recheneinheit 20 gemäß einigen Ausführungsformen alternativ als Server-System, wie z.B. als lokaler Server oder Cloud-Server, aufgefasst werden. Bei einer derartigen Ausgestaltung kann die Nutzerschnittstelle 10 als „Frontend“ oder „Client“ bezeichnet werden, während die Recheneinheit 20 als „Backend“ aufgefasst werden kann. Eine Kommunikation zwischen der Nutzerschnittstelle 10 und der Recheneinheit 20 kann dann beispielsweise basierend auf einem https-Protokoll ausgeführt sein. Die Rechenleistung kann in solchen Systemen zwischen dem Client und dem Server aufgeteilt sein. In einem „Thin Client“ System verfügt der Server über den Großteil der Rechenleistung, während in einem „Thick Client“ System mehr Rechenleistung dem Client obliegt. Gleiches gilt für die Daten (hier: insbesondere die Histopathologiedatensatz HDS). Während im „Thin Client“-System die Daten meist auf dem Server verbleiben und nur die Ergebnisse an den Client übermittelt werden, werden dem Client im „Thick-Client“-System auch Daten übermittelt.
  • In 2 ist ein schematisches Ablaufdiagramm eines Verfahrens zur Ermittlung und Bereitstellung einer Untersuchungsinformation UI basierend auf einem zu befundenden Histopathologiedatensatz HDS. Die Untersuchungsinformation UI ist dabei auf eine weiterführende histopathologischen Analyse bzw. Untersuchung aufbauend auf bereits vorhandenen ersten Histopathologie-Schnittbildern SB1 gerichtet. Die Reihenfolge der Verfahrensschritte ist weder durch die dargestellte Abfolge noch durch die gewählte Nummerierung beschränkt. So kann die Reihenfolge der Schritte ggf. vertauscht und einzelne Schritte können weggelassen werden.
  • Ein erster Schritt S10 ist auf das Bereitstellen des Histopathologiedatensatzes HDS gerichtet. Die Bereitstellung kann dabei durch einen Abruf des Histopathologiedatensatz HDS von der Speichereinheit 60 und/oder einem Laden des Histopathologiedatensatzes HDS in die Recheneinheit 20 realisiert sein. Der Histopathologiedatensatz HDS enthält histopathologische Daten eines zu befundenden Patienten. Insbesondere umfasst der Histopathologiedatensatz HDS ein oder mehrere erste Histopathologie-Schnittbilder SB1. Die ersten Histopathologie-Schnittbilder SB1 wurden basierend auf einer Gewebeprobe des Patienten erzeugt. Zur Erstellung der ein oder mehreren ersten Histopathologie-Schnittbilder SB1 wurden aus der Gewebeprobe entsprechend ein oder mehrere Gewebeschnitte präpariert. Die ein oder mehreren ersten Histopathologie-Schnittbilder SB1 zeigen Gewebeschnitte, die mit der gleichen ersten histopathologischen Färbung angefärbt wurden. Die ersten Histopathologie-Schnittbilder SB1 können dem befundenden Nutzer ein oder mehrere histopathologische Befunde indizieren, die mit ein oder mehreren weiterführenden histopathologischen Analysen bzw. Untersuchung zu bestätigen oder zu verwerfen sind. Dabei gibt es für den befundenden Nutzer typischerweise eine Vielzahl an möglichen Optionen.
  • In Schritt S20 ist deshalb vorgesehen, basierend auf den zur Verfügung stehenden Informationen die möglichen weiterführenden histopathologischen Untersuchungen automatisch einzugrenzen. Für den vorliegenden Fall sollen in Schritt S20 insbesondere vielversprechende und/oder empfohlene und/oder sogar vorgeschriebene weiterführende Untersuchungen ermittelt werden. Das Ergebnis dieser automatischen Analyse wird dem Nutzer als Untersuchungsinformation UI bereitgestellt. Die Untersuchungsinformation UI kann mit anderen Worten eine Empfehlung hinsichtlich einer weiterführenden histopathologischen Untersuchung aufweisen. Insbesondere kann die Untersuchungsinformation UI angeben, welche weiteren histopathologischen Färbungen (im Folgenden „zweite histopathologische Färbungen“ genannt) zur weiteren Befundung geeignet sind und welche der zur Verfügung stehenden Gewebeschnitte aus der Gewebeprobe des Patienten für ein Anfärben mit den ein oder mehreren zweiten histopathologischen Färbungen geeignet sind. Die Untersuchungsinformation UI kann mit anderen Worten eine Angabe aufweisen, die auf die Erstellung zweiter Histopathologie-Schnittbilder SB2 aus der Gewebeprobe des Patienten gerichtet ist.
  • Alternativ oder zusätzlich kann die Untersuchungsinformation UI weiterhin angeben, ob eine Konsultation eines weiteren Pathologie-Experten oder eines Experten außerhalb des Pathologie-Fachgebiets angezeigt ist. Ferner kann die Untersuchungsinformation UI angeben, ob eine weitere Gewebeprobe des Patienten zu entnehmen ist und, optional, welche Parameter für die entsprechende Gewebeentnahme zu berücksichtigen sind. Ferner kann die Untersuchungsinformation UI eine Angabe darüber enthalten, ob eine molekularpathologische Analyse angezeigt ist und wie geeignete Parameter einer solchen molekularpathologischen Analyse aussehen können. Eine molekularpathologische Analyse kann dabei eine Untersuchung einer Gewebeprobe eines Patienten mit Mitteln der Genanalyse umfassen. Beispielsweise kann eine molekularpathologische Analyse eine Sequenzierung einer Gensequenz oder eine Bestimmung eines oder mehrerer Genexpressionsniveaus umfassen. Hierfür können beispielsweise bekannte Techniken wie Genotyping-, Microarray-, Polymerase Chain Reaction (PCR)-, Copy-Number Variation (CNV)-, oder sog. (Whole) Genome Sequencing-Techniken verwendet werden.
  • Alternativ oder zusätzlich kann die Untersuchungsinformation UI einen oder mehrere Konfidenzwerte umfassen, welche Konfidenzwerte ein Maß dafür darstellen wie zuverlässig und oder eindeutig die in der Untersuchungsinformation UI enthaltenen Angaben sind.
  • Die für die Ableitung der Untersuchungsinformation UI zur Verfügung stehenden Informationen umfassen einmal natürlich den Histopathologiedatensatz HDS selbst. Weiterhin können die zur Verfügung stehenden Informationen dem Histopathologiedatensatz HDS bzw. dem Patienten zugeordnete medizinische Daten ZMD umfassen.
  • Hinsichtlich des Histopathologiedatensatz HDS können insbesondere die darin bereits enthaltenen Histopathologie-Schnittbilder SB1 ausgewertet werden. So kann die Analyse der ersten Histopathologie-Schnittbilder SB1 nicht nur Aufschluss über die eine weiterführende zweite histopathologische Färbung liefern, sondern auch offenbaren, welche Gewebeschnitte aus der Gewebeprobe sich für eine weiterführende Analyse eignen. Hierfür kann beispielsweise die Gewebestruktur und/oder eine Gewebedichte und/oder eine Zelldichte und/oder ein Anteil an Tumorzellen der ersten Histopathologie-Schnittbilder SB1 ausgewertet werden. Ferner kann eine Zelldichte, eine Zellmorphologie, eine Verteilung einer histopathologischen Färbung, eine (durchschnittliche) Zellgröße und dergleichen ausgewertet werden.
  • Ferner können auch Nicht-Bild-Daten des Histopathologiedatensatz HDS zur Ermittlung der Untersuchungsinformation UI ausgewertet werden (sofern vorhanden). Diese Nicht-Bild-Daten oder Metadaten des Histopathologiedatensatz HDS können beispielsweise Angaben bezüglich der Gewebeproben (Gewebeprobeninformationen) des Patienten (wie etwa die Entnahmestelle und/oder die zur Verfügung stehenden Stanzen und/oder Gewebeschnitte) umfassen. Ferner können die Nicht-Bild-Daten Patienteninformationen, wie beispielsweise betreffend das Alter, das Geschlecht, Vorerkrankungen oder die Lebensgewohnheiten des Patienten umfassen.
  • Sofern zusätzlich zugeordnete medizinische Daten ZMD berücksichtigt werden sollen, kann in einem optionalen Schritt S20.1 vorgesehen sein, solche Daten zu beschaffen bzw. abzurufen. Dazu kann beispielsweise das medizinische Informationsnetzwerk 50 nach zugeordneten medizinischen Daten ZMD abgefragt werden. Beispielsweise kann dazu die elektronische Patientenakte des Patienten aufgerufen werden und z.B. nach Patienteninformationen und/oder Nutzerinformationen durchsucht werden.
  • Um die automatisiert erzeugten Ermittlungsergebnisse für den befundenen Nutzer nachvollziehbarer zu gestalten, kann die Untersuchungsinformation UI optional eine oder mehrere Hinweise darüber umfassen, auf welcher Grundlage (bzw. auf welcher Daten- oder Informationsgrundlage) die in der Untersuchungsinformation UI enthaltenen Angaben erhoben und welche Quellen wie gewichtet wurden. Beispielsweise kann in diesem Zusammenhang für eine vorgeschlagene zweite histopathologische Färbung angegeben werden, dass diese wegen einer klinischen Richtlinie angezeigt ist oder durch eine Patienteninformation indiziert wird.
  • Gemäß einigen Ausführungsformen ist insbesondere vorgesehen, einen geeigneten Analysealgorithmus auf den Histopathologiedatensatz HDS bzw. allg. auf die zur Verfügung stehenden Informationen anzuwenden. Der Analysealgorithmus ist dabei dazu ausgebildet, basierend auf dem Histopathologiedatensatz HDS und ggf. den zugeordneten medizinischen Daten ZMD die Untersuchungsinformation UI zu bestimmen. Der Analysealgorithmus kann ferner dazu ausgebildet sein, das medizinische Informationsnetzwerk 50 und/oder die Speichereinheit 60 und/oder die Datenbank 80 nach zugeordneten medizinischen Daten ZMD abzufragen. Die Analysefunktion kann insbesondere als Computerprogrammprodukt verstanden werden, deren Programmbestandteile das System 1 zum Ausführen eines oder mehrerer der hierin beschriebenen Schritte veranlassen kann. Ein optionaler Schritt S20.2 ist in diesem Zusammenhang auf das Bereitstellen der Analysefunktion gerichtet. Die Bereitstellung der Analysefunktion kann dabei durch ein Abrufen der Analysefunktion von einer beliebigen Speichereinheit und/oder ein Laden der Analysefunktion in die Recheneinheit 20 realisiert sein.
  • In einem weiteren Schritt S30 wird die Untersuchungsinformation UI schließlich bereitgestellt. Bereitgestellt kann allgemein bedeuten, dass die Untersuchungsinformation UI für eine Verwendung zur Verfügung gestellt wird. Beispielsweise kann die Untersuchungsinformation UI oder Teile der Untersuchungsinformation UI einem Nutzer über die Nutzerschnittstelle 10 angezeigt werden (Schritt S30.1). Zusätzlich oder alternativ kann die Untersuchungsinformation UI dem histopathologischen Analysesystem 70 und hier insbesondere einem Färberoboter und/oder einem elektronischen Bestellsystem übermittelt werden (Schritt S30.2).
  • In 3 ist ein schematisches Ablaufdiagramm eines Verfahrens zur Ermittlung und Bereitstellung einer Untersuchungsinformation UI gemäß einer weiteren Ausführungsform dargestellt. Die Reihenfolge der Verfahrensschritte ist weder durch die dargestellte Abfolge noch durch die gewählte Nummerierung beschränkt. So kann die Reihenfolge der Schritte ggf. vertauscht und einzelne Schritte können weggelassen werden.
  • Der in 3 gezeigte Ablauf unterscheidet sich von dem in 2 gezeigten Ablauf darin, dass vor der Ermittlung der Untersuchungsinformation in Schritt S20 in Schritt 15 eine Nutzereingabe NE von dem befundenden Nutzer über die Nutzerschnittstelle empfangen wird. Die Nutzereingabe NE wird dann in Schritt S20 bei der Ermittlung der Untersuchungsinformation UI berücksichtigt. Dadurch kann der Nutzer mit einer Nutzereingabe NE auf die Untersuchungsinformation UI Einfluss nehmen. Gemäß einer Ausführungsform kann der Nutzer in der Nutzereingabe NE beispielsweise ein oder mehrere vermutete Diagnosen eingeben, auf welche die Untersuchungsinformation UI in Schritt S20 abgestimmt werden kann. So können in der Untersuchungsinformation UI z.B. gezielt zweite histopathologische Färbungen vorgeschlagen werden, welche geeignet sind, die vermuteten Diagnosen des befundenden Nutzers zu erhärten oder zu widerlegen. Gemäß einer weiteren Ausführungsform kann der befundende Nutzer in der Nutzereingabe NE bereits eine gewünschte zweite histopathologische Färbung angeben. Die Untersuchungsinformation UI kann dann eine oder mehrere Gewebeschnitte aus der Gewebeprobe bezeichnen, die für die weiterführende Analyse mit der zweiten histopathologischen Färbung besonders geeignet sind.
  • In 4 sind optionale Teilschritte von Schritt S20 gezeigt, welche eine Ermittlung der Untersuchungsinformation UI unter Berücksichtigung von ähnlichen Patienten bzw. ähnlich gelagerten Fällen gemäß einer Ausführungsform schematisch darstellen. Die Reihenfolge der Verfahrensschritte ist weder durch die dargestellte Abfolge noch durch die gewählte Nummerierung beschränkt. So kann die Reihenfolge der Schritte ggf. vertauscht und einzelne Schritte können weggelassen werden.
  • Ein erster Schritt S21 einer solchen Ähnlichkeitsanalyse ist auf ein Extrahieren einer Merkmalssignatur basierend auf dem Histopathologiedatensatz HDS und/oder den dem Histopathologiedatensatz HDS zugeordneten medizinischen Daten ZMD gerichtet. Die Merkmalssignatur kann mehrere einzelne Merkmale aufweisen, die aus dem Histopathologiedatensatz HDS und/oder den zugeordneten medizinischen Daten ZMD extrahiert wurden und den zu befundenden Patienten - wenigstens für histopathologische Fragestellungen - in Summe charakterisieren. Die Merkmalssignatur kann einen sog. Merkmalsvektor aufweisen, in dem einzelne Merkmale zusammengefasst sind. Die Merkmale können beispielsweise ein Muster, eine Textur und/oder eine Struktur aus den ein oder mehreren ersten Histopathologie-Schnittbildern SB1 umfassen. Weiterhin können die Merkmale der Merkmalssignatur Parameter aufweisen, welche die (Zell-)Dichte, den Anteil der Tumorzellen und/oder die Dichte der ersten histopathologischen Färbung kennzeichnen. Ferner können ein oder mehrere Merkmale der Merkmalssignatur Parameter aufweisen, die einen Farbwert, eine Graustufe oder einen Kontrastwert in den ersten Histopathologie-Schnittbild SB1 ausweisen. Zusätzlich können ein oder mehrere Merkmale der Merkmalssignatur auf Charakteristika gerichtet sein, die außerhalb der ersten Histopathologie-Schnittbilder SB1 liegen. Beispielsweise können dies aus der Patienten- und/oder Nutzerinformationen gewonnene Merkmale sein.
  • In einem nächsten Schritt S22 werden Referenz-Datensätze bereitgestellt, mit denen der vorliegend zu befundende Fall verglichen werden soll, um ähnlich gelagerte Fälle zu finden. Die Referenz-Datensätze können jeweils einen Referenz-Histopathologiedatensatz R-HDS und/oder dem Referenz-Histopathologiedatensatz R-HDS zugeordnete medizinische Daten ZMD aufweisen. Die Referenz-Datensätze können sich insbesondere dadurch auszeichnen, dass etwaige weiterführende histopathologische Untersuchungen in diesen Fällen bereits durchgeführt wurden und somit bekannt sind. Die Referenz-Histopathologiedatensätze R-HDS können im Wesentlichen das gleiche Format wie der Histopathologiedatensatz HDS aufweisen, also ein oder mehrere Histopathologie-Schnittbilder SB1, SB2 und ggf. zusätzliche Nicht-Bild-Daten enthalten. Bereitgestellt werden können die Referenz-Datensätze beispielsweise durch die Datenbank 80, in der wenigstens die Referenz-Histopathologiedatensätze R-HDS gespeichert sind. Sollten den Referenz-Histopathologiedatensätzen R-HDS zugeordnete medizinische Daten ZMD für die Ähnlichkeitsanalyse benötig werden, können diese beispielsweise über das medizinische Informationsnetzwerk 50 abgerufen werden. Alternativ können die den Referenz-Histopathologiedatensätzen R-HDS zugeordnete medizinische Daten ZMD in der Datenbank 80 hinterlegt sein.
  • Ein nächster Schritt S23 ist auf die Bereitstellung von Merkmalssignaturen für die Referenz-Datensätze gerichtet. Diese können entweder bereits in der Datenbank 80 bzw. den Referenz-Histopathologiedatensätzen R-HDS vorhanden sein, oder in Schritt S23 extrahiert werden.
  • In einem nächsten Schritt S24 wird die Merkmalssignatur des vorliegenden, zu befundenden Falls mit den entsprechenden Merkmalssignaturen der Referenz-Datensätze verglichen. Dabei kann insbesondere für jeden Referenz-Datensatz eine Ähnlichkeitsmetrik bestimmt werden, welche Ähnlichkeitsmetrik ein Maß für eine Ähnlichkeit oder eine Übereinstimmung der für den zu befundenden Fall bestimmten Merkmalssignatur mit der jeweiligen Merkmalssignatur des jeweiligen Referenz-Datensatzes darstellt. Beispielsweise kann die Ähnlichkeitsmetrik als ein Abstand der Merkmalssignaturen im Merkmalsraum definiert sein. So kann beispielsweise einfach nach allen Patienten innerhalb eines bestimmten Altersfensters mit dem gleichen Geschlecht gesucht werden. Für komplexere Fragestellungen können einzelne Merkmale unterschiedlich gewichtet werden.
  • In Schritt S25 werden basierend auf dem Vergleich aus den Referenz-Datensätzen die ähnlichen Referenz-Datensätze und insbesondere die ähnlichen Histopathologiedatensätze A-HDS ausgewählt. Optional können diese ähnlichen Histopathologiedatensätze A-HDS dem Nutzer über die Nutzerschnittstelle 10 angezeigt werden.
  • In Schritt S26 wird dann basierend auf den identifizierten ähnlichen Referenz-Datensätzen A-HDS die Untersuchungsinformation UI berechnet. Insbesondere können dazu die aus den ähnlichen Referenz-Datensätzen A-HDS bekannten durchgeführten weiterführenden histopathologischen Untersuchungen ausgewertet werden.
  • In 5 sind optionale Schritte für eine fortgesetzte Mensch-Maschinen-Interaktion zur Optimierung bzw. Anpassung der Untersuchungsinformation UI ausgehend von Schritt S30 gemäß einer Ausführungsform gezeigt. Die Reihenfolge der Verfahrensschritte ist weder durch die dargestellte Abfolge noch durch die gewählte Nummerierung beschränkt. So kann die Reihenfolge der Schritte ggf. vertauscht und einzelne Schritte können weggelassen werden.
  • Ausgehend von der Anzeige der Untersuchungsinformation UI mittels der Nutzerschnittstelle 10 in Schritt S30.1 wird in Schritt S40 über die Nutzerschnittstelle 10 eine Rückmeldung RM des Nutzers betreffend die Untersuchungsinformation UI empfangen. Die Rückmeldung RM kann beispielsweise eine Bestätigung oder Korrektur von in der Untersuchungsinformation UI enthalten Angaben aufweisen. Ferner kann die Rückmeldung RM eine Auswahl einer oder mehrerer auf die Erstellung zweiter Histopathologie-Schnittbilder SB2 gerichteter Optionen umfassen. Beispielsweise kann der Nutzer mittels der Rückmeldung RM ein oder mehrere zweite histopathologische Färbungen auswählen.
  • In einem Schritt S50 kann die Rückmeldung für eine Anpassung der Untersuchungsinformation UI verwendet werden. Dies kann eine einfache Korrektur der Untersuchungsinformation UI umfassen, wenn z.B. gewisse Optionen verworfen werden. Optional kann dies aber auch beinhalten, dass zumindest Teile der Untersuchungsinformation UI neu ermittelt werden. Mit anderen Worten kann dann Schritt S20 auf Grundlage der Rückmeldung RM erneut ausgeführt werden. Die Rückmeldung RM kann in diesem optionalen Fall als Nutzereingabe NE behandelt werden und der Verarbeitung vermittels Schritt S15 (vgl. 3) zugeführt werden.
  • Ferner kann die in Schritt S50 angepasste Untersuchungsinformation UI optional dem histopathologischen Analysesystem 70 - und hier insbesondere einem Färberoboter und/oder einem elektronischen Bestellsystem - übermittelt werden (Schritt S30.2) .
  • In einem Schritt S60 kann die Rückmeldung RM ferner dem Analysealgorithmus bereitgestellt werden. Dadurch kann das Feedback des Nutzers bei einem Einsatz im Feld direkt aufgegriffen werden, wodurch der Analysealgorithmus kontinuierlich verbessert werden kann.
  • Der Analysealgorithmus kann eine oder mehrere trainierte Funktionen aufweisen. Diese können beispielsweise dazu ausgelegt sein, den zu befundenden Fall basierend auf dem Histopathologiedatensatz und ggf. den zugeordneten medizinischen Daten ZMD zu klassifizieren und so eine oder mehrere weiterführende histopathologische Untersuchungen zu identifizieren. Mit anderen Worten kann der Analysealgorithmus einen oder mehrere elektronische Klassifikationsalgorithmen umfassen, die insbesondere durch maschinelles Lernen trainiert werden können. Insbesondere können hierfür Support-Vector-Machine-Algorithmen, Entscheidungsbaum-Algorithmen, eine k-nächste-Nachbarn-Algorithmen, Bayes-Klassifikations-Algorithmen, (faltende) neuronale Netzwerke und/oder Kombinationen hiervon implementiert werden.
  • 6 zeigt eine Ausführungsform eines Systems 200 zum Trainieren bzw. Bereitstellen des Analysealgorithmus. Das System umfasst einen Prozessor 210, eine Schnittstelle 220, einen Arbeitsspeicher 230, eine Speichereinrichtung 240 und eine Datenbank 250. Der Prozessor 210, die Schnittstelle 220, der Arbeitsspeicher 230 und die Speichereinrichtung 240 können als ein Computer 290 ausgebildet sein. Der Prozessor 210 steuert den Betrieb des Computers 290 beim Trainieren des Analysealgorithmus. Insbesondere kann der Prozessor 210 derart ausgebildet sein, dass er die in 7 dargestellten Verfahrensschritte ausführt. Entsprechende Instruktionen können im Arbeitsspeicher 230 oder in der Speichereinrichtung 240 gespeichert und/oder in den Arbeitsspeicher 230 geladen werden, wenn die Ausführung der Instruktionen gewünscht wird. Die Speichereinrichtung 240 kann als ein lokaler Speicher oder ein entfernter Speicher ausgebildet sein, auf den über ein Netzwerk zugegriffen werden kann. Die in 7 dargestellten Verfahrensschritte können durch Computerprogrammprodukte definiert werden, die in dem Arbeitsspeicher 230 und/oder der Speichereinrichtung 240 gespeichert sind.
  • Die Datenbank 250 kann als Cloud-Speicher oder lokaler Speicher implementiert sein, die mit dem Computer 290 über die drahtlose oder drahtgebundene Schnittstelle 220 in Verbindung steht. Die Datenbank 250 kann insbesondere auch Teil des Computers 290 sein. Die Datenbank 250 dient als Archiv für die Trainings-Histopathologiedatensatz HDS T-HDS und/oder den Trainings-Histopathologiedatensatz HDS T-HDS zugeordneten medizinischen Daten ZMD. Ferner kann die Datenbank 250 als Archiv für ein oder mehrere trainierte Analysealgorithmen dienen.
  • In 7 ist ein schematisches Ablaufdiagramm eines Verfahrens zur Bereitstellung eines Analysealgorithmus zur Ermittlung einer Untersuchungsinformation UI betreffend eine weiterführende histopathologische Untersuchung basierend einem Histopathologiedatensatz HDS dargestellt. Die Reihenfolge der Verfahrensschritte ist weder durch die dargestellte Abfolge noch durch die gewählte Nummerierung beschränkt. So kann die Reihenfolge der Schritte ggf. vertauscht und einzelne Schritte können weggelassen werden.
  • Ein erster Schritt T10 ist auf das Bereitstellen eines Analysealgorithmus gerichtet. Insbesondere kann der Analysealgorithmus eine oder mehrere trainierte Funktionen aufweisen. Dabei kann der Analysealgorithmus dem Prozessor 210 über die Schnittstelle 220 von der Datenbank 250 bereitgestellt werden. Der Analysealgorithmus kann dabei bereits vortrainiert sein, d.h. es wurden bereits ein oder mehrere Parameter der enthaltenen trainierten Funktion(en) durch das beschriebene Trainingsverfahren und/oder ein anderes Trainingsverfahren angepasst. Alternativ können der eine oder die mehreren Parameter der enthaltenen trainierten Funktion(en) noch nicht mittels Trainingsdaten angepasst sein, insbesondere können der eine oder die mehreren Parameter durch einen konstanten Wert und/oder durch einen zufälligen Wert vorbelegt sein. Insbesondere können alle Parameter der enthaltenen trainierten Funktion(en) noch nicht mittels Trainingsdaten angepasst sein, insbesondere können alle Parameter durch einen konstanten Wert und/oder durch einen zufälligen Wert vorbelegt sein.
  • Ein zweiter Schritt T20 ist auf das Bereitstellen von Trainingseingangsdaten gerichtet. Da der Analysealgorithmus im Einsatz basierend auf vorhandenen histopathologischen Informationen zu einem Patienten eine oder mehrere weiterführende histopathologische Untersuchungen bestimmen soll, sind geeignete Trainingseingangsdaten Histopathologiedatensätze HDS und ggf. diesen zugeordnete medizinische Daten ZMD (außerhalb der Histopathologiedatensätze). Nachfolgend werden Histopathologiedatensätze Trainings-Histopathologiedatensätze T-HDS genannt. Die Trainings-Histopathologiedatensätze T-HDS können grundsätzlich das gleiche Format bzw. die gleiche Konfiguration wie der Histopathologiedatensatz HDS aufweisen. Insbesondere enthalten die Trainings-Histopathologiedatensätze T-HDS ein oder mehrere erste Histopathologie-Schnittbilder SB1. Die Bereitstellung eines Trainings-Histopathologiedatensatz T-HDS am Prozessor 210 kann durch Abrufen von der Datenbank 250 über die Schnittstelle 220 geschehen. Die optionale Bereitstellung zugeordneter medizinischer Daten ZMD zu dem abgerufenen Trainings-Histopathologiedatensatz T-HDS kann ebenfalls durch Abrufen von der Datenbank 250 oder durch Abfrage des optional über die Schnittstelle 220 mit dem Prozessor 210 verbundenen medizinischen Informationssystem 70 implementiert sein.
  • Schritt T30 ist auf das Bereitstellen von Trainingsausgangsdaten gerichtet. Die Trainingsausgangsdaten sind dabei verifizierte Untersuchungsinformationen UI. Die verifizierten Untersuchungsinformationen UI stellen dabei Zielwerte dar, die dem Analysealgorithmus angeben, wie eine geeignete Untersuchungsinformation UI für den jeweiligen Trainings-Histopathologiedatensatz T-HDS aussehen kann. Die verifizierten Untersuchungsinformationen UI können dabei jeweils eine oder mehrere Angaben darüber enthalten, welche weiterführenden histopathologischen Untersuchungen für den jeweiligen Trainings-Histopathologiedatensatz T-HDS durchzuführen sind bzw. durchgeführt wurden und/oder ob diese zielführend sind. Beispielsweise kann eine verifizierte Untersuchungsinformation UI angeben, welche zweiten histopathologischen Färbungen und welche Gewebeschnitte ausgehend von den jeweiligen ersten Histopathologie-Schnittbilder SB1 jeweils verwendet wurden, um ein oder mehrere weiterführende zweite Histopathologie-Schnittbild SB2 zu erstellen. Die verifizierte Untersuchungsinformation UI kann insbesondere auf einer Annotation durch einen Nutzer beruhen. Die Bereitstellung der verifizierten Untersuchungsinformation UI am Prozessor 210 kann durch Abrufen von der Datenbank 250 über die Schnittstelle 220 geschehen.
  • In einem nächsten Schritt T40 werden die Trainingseingangsdaten, also der Trainings-Histopathologiedatensätze R-HDS sowie ggf. die zugeordneten medizinischen Daten ZMD in den Analysealgorithmus eingegeben. Der Analysealgorithmus berechnet auf dieser Grundlage eine Untersuchungsinformation UI, die auf Grundlage der zur Verfügung stehenden Informationen eine oder mehrere Angaben zu weiterführenden histopathologischen Untersuchungen enthalten soll.
  • In einem nächsten Schritt T50 wird die so ermittelte Untersuchungsinformation UI mit der entsprechenden verifizierten Untersuchungsinformation UI verglichen. Auf Grundlage dieses Vergleichs kann dann der Analysealgorithmus in Schritt T60 angepasst werden. Dies kann beispielsweise auf Grundlage eines Kostenfunktionals geschehen, das Abweichungen der ermittelten Untersuchungsinformation UI von der entsprechenden verifizierten Untersuchungsinformation UI bestraft. Ein oder mehrere Parameter der in der Analysefunktion enthaltenen trainierten Funktion(en) können dann insbesondere so angepasst werden, dass das Kostenfunktional minimiert wird, beispielsweise mittels einer Rückpropagation (ein englischer Fachbegriff ist „back propagation“). Zur Minimierung des Kostenfunktionals wird der Vergleich für verschiedene paarweise Sätze aus ermittelten und verifizierten Untersuchungsinformationen UI durchgeführt, bis ein lokales Minimum des Kostenfunktionals erreicht ist und die trainierte Funktion zufriedenstellend arbeitet.
  • Wo noch nicht explizit geschehen, jedoch sinnvoll und im Sinne der Erfindung, können einzelne Ausführungsbeispiele, einzelne ihrer Teilaspekte oder Merkmale mit einander kombiniert bzw. ausgetauscht werden, ohne den Rahmen der hiesigen Erfindung zu verlassen. Mit Bezug zu einem Ausführungsbeispiel beschriebene Vorteile der Erfindung treffen ohne explizite Nennung, wo übertragbar, auch auf andere Ausführungsbeispiele zu.

Claims (16)

  1. Computer-implementiertes Verfahren zur Bereitstellung einer Untersuchungsinformation (UI) betreffend eine weiterführende (histo-)pathologische Untersuchung mit den Schritten: - Bereitstellen (S10) eines Histopathologiedatensatzes (HDS), welcher Histopathologiedatensatz (HDS) ein oder mehrere erste Histopathologie-Schnittbilder (SB1) aufweist, welche jeweils einen aus einer Gewebeprobe eines Patienten präparierten und mit einer ersten histopathologischen Färbung gefärbten ersten Gewebeschnitt zeigen; - Ermitteln (S20), mittels eines Analysealgorithmus basierend auf dem Histopathologiedatensatz (HDS), einer Untersuchungsinformation (UI) betreffend eine weiterführende (histo)pathologische Untersuchung, welche Untersuchungsinformation (UI) eine Angabe zur Durchführung einer weiterführenden (histo-)pathologischen Untersuchung des Patienten, insbesondere durch einen befundenden Nutzer, aufweist; und - Bereitstellen (S30) der Untersuchungsinformation (UI).
  2. Verfahren nach Anspruch 1, bei dem die Untersuchungsinformation (UI) eine Angabe zur Erstellung von ein oder mehreren zweiten Histopathologie-Schnittbildern (SB2) aufweist, welche ein oder mehreren zweiten Histopathologie-Schnittbilder (SB2) von den ein oder mehreren ersten Histopathologie-Schnittbildern (SB1) verschieden sind.
  3. Verfahren nach Anspruch 2, bei dem die Untersuchungsinformation (UI) umfasst: eine Angabe hinsichtlich einer oder mehrerer weiterführender histopathologischer Färbungen; wobei die eine oder mehreren weiterführenden histopathologischen Färbungen von der ersten histopathologischen Färbung verschieden und zur Erstellung der zweiten Histopathologie-Schnittbilder (SB2) geeignet sind.
  4. Verfahren nach Anspruch 2 oder 3, bei dem die Untersuchungsinformation (UI) eine Angabe hinsichtlich eines oder mehrerer aus der Gewebeprobe präparierter oder präparierbarer zweiter Gewebeschnitte umfasst, welche zweiten Gewebeschnitte von den ersten Gewebeschnitten verschieden und zur Erstellung der zweiten Histopathologie-Schnittbilder (SB2) geeignet sind.
  5. Verfahren nach Anspruch 3 und 4, bei dem die Untersuchungsinformation (UI) für jede weiterführende histopathologische Färbung eine Angabe jeweils geeigneter zweiter Gewebeschnitte umfasst.
  6. Verfahren nach einem der vorhergehenden Ansprüche, bei dem: der Histopathologiedatensatz eine Gewebeprobeninformation aufweist; und der Schritt des Ermittelns (S20) zusätzlich basierend auf den Gewebeprobeninformation erfolgt.
  7. Verfahren nach einem der vorhergehenden Ansprüche, ferner mit dem Schritt: - Abrufen von dem Histopathologiedatensatz (HDS) zugeordneten medizinischen Daten (ZMD); wobei der Schritt des Ermittelns (S20) zusätzlich basierend auf den zugeordneten medizinischen Daten (ZMD) erfolgt.
  8. Verfahren nach Anspruch 7, bei dem die zugeordneten medizinischen Daten (ZMD) eines oder mehrere der folgenden Objekte aufweisen: ein oder mehrere personenbezogene Daten des Patienten, ein oder mehrere Laborwerte des Patienten, ein oder mehrere Radiologiedaten des Patienten, ein oder mehrere medizinische Richtlinien, ein oder mehrere, insbesondere radiologische, Befunde des Patienten, und/oder ein oder mehrere frühere histopathologische Untersuchungsergbenisse des Patienten.
  9. Verfahren nach einem der vorhergehenden Ansprüche, ferner mit dem Schritt: Auswählen ein oder mehrerer ähnlicher Histopathologiedatensätze (A-HDS) aus einer Reihe von Referenz-Histopathologiedatensätzen (R-HDS), welche ähnliche Histopathologiedatensätze (A-HDS) eine definierte Ähnlichkeit mit dem Histopathologiedatensatz (HDS) aufweisen und zu denen durchgeführte weiterführende (histo-)pathologische Untersuchungen vorbekannt sind; wobei der Schritt des Ermittelns (S20) zusätzlich basierend auf den ähnlichen Histopathologiedatensätzen (A-HDS) erfolgt.
  10. Verfahren nach einem der vorhergehenden Ansprüche, bei dem der Analysealgorithmus eine trainierte Funktion aufweist, welche trainierte Funktion dazu ausgebildet ist, basierend auf dem Histopathologiedatensatz (HDS) die Untersuchungsinformation (UI) bereitzustellen, wobei die trainierte Funktion dabei insbesondere dazu ausgebildet ist, die ein oder mehreren ersten Histopathologie-Schnittbilder (SB1) auszuwerten.
  11. Verfahren nach einem der vorhergehenden Ansprüche, bei dem der Schritt des Bereitstellens (S30) der Untersuchungsinformation (UI) umfasst: Ausgabe (S30.1) der Untersuchungsinformation (UI) an den befundenen Nutzer über eine Nutzerschnittstelle (10).
  12. Verfahren nach einem der vorhergehenden Ansprüche, ferner mit den Schritten: Empfangen (S40) einer Rückmeldung (RM) betreffend die Untersuchungsinformation (UI); sowie Anpassen (S50) der Untersuchungsinformation (UI) basierend auf der Rückmeldung (RM); und/oder Bereitstellen (S60) der Rückmeldung (RM) an den Analysealgorithmus zur Anpassung des Analysealgorithmus.
  13. Verfahren nach einem der vorhergehenden Ansprüche, ferner mit dem Schritt: Empfangen (S15) einer Nutzereingabe (NE) des befundenden Nutzers hinsichtlich einer durchzuführenden weiterführenden (histo-)pathologischen Untersuchung über eine Nutzerschnittstelle (10); wobei der Schritt des Ermittelns (S20) der Untersuchungsinformation (UI) zusätzlich basierend auf der Nutzereingabe (NE) erfolgt.
  14. System (1) zur Ermittlung einer Untersuchungsinformation (UI) betreffend eine weiterführende (histo-)pathologische Untersuchung mit einer Schnittstelle (10, 30) und einer Steuerung (40), wobei die Schnittstelle (10, 30) ist zum Empfangen eines Histopathologiedatensatzes (HDS) ausgebildet ist, welcher Histopathologiedatensatz (HDS) ein oder mehrere erste Histopathologie-Schnittbilder (SB1) aufweist, welche jeweils einen aus einer Gewebeprobe eines Patienten präparierten und mit einer ersten histopathologischen Färbung gefärbten ersten Gewebeschnitt zeigen, und die Steuerung (40) dazu ausgebildet ist: basierend auf dem Histopathologiedatensatz (HDS) eine Untersuchungsinformation (UI) betreffend eine weiterführende (histo-)pathologische Untersuchung zu ermitteln, welche Untersuchungsinformation (UI) wenigstens eine Angabe zur Durchführung einer weiterführenden (histo-)pathologischen Untersuchung enthält, und die Untersuchungsinformation (UI) bereitzustellen.
  15. Computerprogrammprodukt, welches ein Programm umfasst und direkt in einen Speicher einer programmierbaren Recheneinheit einer Steuerung (40) ladbar ist, mit Programmmitteln, um ein Verfahren nach den Ansprüchen 1 bis 13 auszuführen, wenn das Programm in der Steuerung (40) ausgeführt wird.
  16. Computerlesbares Speichermedium, auf welchem lesbare und ausführbare Programmabschnitte gespeichert sind, um alle Schritte der Verfahren nach einem der Ansprüche 1 bis 13 auszuführen, wenn die Programmabschnitte von der Steuerung (40) ausgeführt werden.
DE102020212189.3A 2020-09-28 2020-09-28 Verfahren und Vorrichtung zur Analyse von Histopathologiedatensätzen Pending DE102020212189A1 (de)

Priority Applications (3)

Application Number Priority Date Filing Date Title
DE102020212189.3A DE102020212189A1 (de) 2020-09-28 2020-09-28 Verfahren und Vorrichtung zur Analyse von Histopathologiedatensätzen
US17/477,849 US20220101960A1 (en) 2020-09-28 2021-09-17 Method and apparatus for analysis of histopathology datasets
CN202111142600.8A CN114283911A (zh) 2020-09-28 2021-09-28 用于提供检查信息的方法和用于确定检查信息的系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
DE102020212189.3A DE102020212189A1 (de) 2020-09-28 2020-09-28 Verfahren und Vorrichtung zur Analyse von Histopathologiedatensätzen

Publications (1)

Publication Number Publication Date
DE102020212189A1 true DE102020212189A1 (de) 2022-03-31

Family

ID=80624301

Family Applications (1)

Application Number Title Priority Date Filing Date
DE102020212189.3A Pending DE102020212189A1 (de) 2020-09-28 2020-09-28 Verfahren und Vorrichtung zur Analyse von Histopathologiedatensätzen

Country Status (3)

Country Link
US (1) US20220101960A1 (de)
CN (1) CN114283911A (de)
DE (1) DE102020212189A1 (de)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050049497A1 (en) 2003-06-25 2005-03-03 Sriram Krishnan Systems and methods for automated diagnosis and decision support for breast imaging
DE102006031937A1 (de) 2006-07-06 2008-01-10 Friedrich-Schiller-Universität Jena Verfahren und Vorrichtung zur Bewertung eines Bildes und/oder einer zeitlichen Bildsequenz von Gewebe oder Gewebeproben
US20120232930A1 (en) 2011-03-12 2012-09-13 Definiens Ag Clinical Decision Support System

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050049497A1 (en) 2003-06-25 2005-03-03 Sriram Krishnan Systems and methods for automated diagnosis and decision support for breast imaging
DE102006031937A1 (de) 2006-07-06 2008-01-10 Friedrich-Schiller-Universität Jena Verfahren und Vorrichtung zur Bewertung eines Bildes und/oder einer zeitlichen Bildsequenz von Gewebe oder Gewebeproben
US20120232930A1 (en) 2011-03-12 2012-09-13 Definiens Ag Clinical Decision Support System

Also Published As

Publication number Publication date
CN114283911A (zh) 2022-04-05
US20220101960A1 (en) 2022-03-31

Similar Documents

Publication Publication Date Title
US10733726B2 (en) Pathology case review, analysis and prediction
JP7100336B2 (ja) デジタル病理学のために、画像を処理し、処理された画像を分類するためのシステムおよび方法
JP2021535484A (ja) 自動的な腫瘍検出及び分類のためのシステム
EP2648122B1 (de) Verfahren zum Laden von medizinischen Bilddaten sowie Vorrichtung zur Durchführung des Verfahrens
Bertsatos et al. Advanced procedures for skull sex estimation using sexually dimorphic morphometric features
DE102018109802A1 (de) Qualitätsbewertung bei einer automatischen Bildregistrierung
CN115210772B (zh) 用于处理通用疾病检测的电子图像的系统和方法
EP4016543A1 (de) Verfahren und vorrichtung zur bereitstellung einer medizinischen information
DE112005002109T5 (de) Kombinatorische, computerunterstützte Diagnose
CN110555846A (zh) 基于卷积神经网络的全自动骨龄评定方法
DE112021005678T5 (de) Normieren von OCT-Bilddaten
US20220366619A1 (en) Systems and methods to process electronic images to adjust attributes of the electronic images
Samorodov Building intelligent systems for the analysis of microscopic images in medicine and biology
DE102020211843A1 (de) Verfahren und Vorrichtung zur Analyse von Histopathologiebilddaten
DE102020212189A1 (de) Verfahren und Vorrichtung zur Analyse von Histopathologiedatensätzen
Schmies et al. Classification of fracture characteristics and fracture mechanisms using deep learning and topography data
Sharkas et al. Color-CADx: a deep learning approach for colorectal cancer classification through triple convolutional neural networks and discrete cosine transform
Gupta et al. Different CNN-based architectures for detection of invasive ductal carcinoma in breast using histopathology images
US20240046670A1 (en) Method and system for analysing pathology image
Kolisnyk et al. Features of Telemedicine Technology for Monitoring of Patients with Atopic Dermatitis
EP4369354A1 (de) Verfahren und vorrichtung zur analyse pathologischer objektträgerbilder
EP4283623A1 (de) Verfahren und vorrichtung zur beurteilung der qualität eines pathologischen objektträger bildes
US20240086460A1 (en) Whole slide image search
DE102022200925A1 (de) Verfahren und System zur Bereitstellung eines medizinischen Berichts
Makandar et al. Disease Recognition in Medical Images Using CNN-LSTM-GRU Ensemble, a Hybrid Deep Learning

Legal Events

Date Code Title Description
R012 Request for examination validly filed
R016 Response to examination communication
R081 Change of applicant/patentee

Owner name: SIEMENS HEALTHINEERS AG, DE

Free format text: FORMER OWNER: SIEMENS HEALTHCARE GMBH, MUENCHEN, DE