Tumor Regression Grading (TRG) Schemata für neoadjuvant behandelte gastrointestinale (GI) Tumore liefern wichtige prognostische Informationen für die Behandlungsplanung. TRG-Systeme leiden jedoch unter der bekannten Interobserver-Variabilität, insbesondere wenn sie von weniger erfahrenen Patholog*innen verwendet werden.
Eine präzisere Krankheitscharakterisierung, die auf bestehenden Klassifizierungsschemata aufbaut und durch computergestützte digitale Pathologie (DP) auf vollständig digitalisierten Objektträgern ausgeführt wird, kann die Patient*innenprognose-Stratifizierung und damit letztlich die Behandlungsplanung und die Patient*innenergebnisse verbessern.

Unser Ziel ist es, einen bestehenden einzigartigen Multi-Reader-Datensatz mit unserer etablierten Deep-Learning (DL)-Technologie zu nutzen, um die allgemein verwendeten Gradingsysteme nach Mandard und Becker deterministisch zu überprüfen und anschließend durch ein klinisch einsetzbares computergestütztes Diagnosewerkzeug (CDx), genannt CDx-TRG+, zu erweitern.