Global 
Deutschland Leber und Gallenwege
Hepatology. 2024;80(1):173–85
Artificial intelligence scoring of liver biopsies in a phase 2 trial of semaglutide in non-alcoholic steatohepatitis
Scoring von Leberbiopsien mit künstlicher Intelligenz in einer Phase-II-Studie zu Semaglutid bei metabolische Dysfunktion-assoziierter Steatohepatitis
Hintergrund und Ziele: Die auf künstlicher Intelligenz (KI) basierte digitale Pathologie bietet das Potenzial, histologische Befunde reproduzierbar zu quantifizieren. In dieser Analyse wird die Auswertung histologischer Merkmale von metabolische Dysfunktion-assoziierter Steatohepatitis (MASH) durch Patholog*innen mit der eines Pathologiemodells mit maschinellem Lernen (ML) verglichen.
Ansatz und Ergebnisse: Diese Post-hoc-Auswertung umfasste Daten einer Untergruppe von Patient*innen (n = 251) mit bioptisch bestätigter MASH und einem Fibrosestadium F1–F3 aus einer 72-wöchigen randomisierten placebokontrollierten Studie zu einmal täglichem subkutanem Semaglutid in einer Dosierung von 0,1 mg, 0,2 mg oder 0,4 mg. Biopsien zu Studienbeginn und in Woche 72 wurden von 2 Patholog*innen beurteilt. Digitale Abbilder von Biopsieschnitten wurden mithilfe von MASH-ML-Modellen von PathAI ausgewertet, um Veränderungen im Hinblick auf Fibrose, Steatose, Entzündung und Ballonierung der Hepatozyten unter Verwendung kategorialer Beurteilungen und fortlaufender Scores zu quantifizieren. In den von Patholog*innen und in den von ML stammenden kategorialen Beurteilungen wurde ermittelt, dass ein signifikant größerer Anteil an Patient*innen den primären Endpunkt der Rückbildung der MASH ohne Verschlechterung der Fibrose unter Semaglutid 0,4 mg erreichten als unter Placebo (Patholog*innen 58,5% vs. 22,0%, p < 0,0001; ML 36,9% vs. 11,9%, p = 0,0015). Mit beiden Methoden wurde ein höherer, aber nicht signifikanter Anteil an Patient*innen unter Semaglutid 0,4 mg versus Placebo ermittelt, die den sekundären Endpunkt der Verbesserung der Leberfibrose ohne Verschlechterung der MASH erreichten. Mit den fortlaufenden Scores des ML wurde ein signifikantes behandlungsbedingtes Ansprechen bei histologischen Merkmalen ermittelt, einschließlich einer quantitativen Reduzierung der Fibrose unter Semaglutid 0,4 mg versus Placebo (p = 0,0099), die mit der kategorialen Beurteilung durch Patholog*innen oder ML nicht ermittelt werden konnte.
Schlussfolgerungen: Kategoriale Beurteilungen auf Basis des maschinellen Lernens (ML) reproduzierten die von Patholog*innen ermittelten Ergebnisse der histologischen Verbesserung unter Semaglutid für Steatose und Krankheitsaktivität. ML-basierte fortlaufende Scores zeigten einen antifibrotischen Effekt auf, der mit herkömmlicher Histopathologie nicht gemessen werden konnte.