An der Translation soll es nicht scheitern

Berlin. Ob es sich bei einem verdächtigen Knoten um Krebs handelt oder nicht, wird in der Regel im pathologischen Labor unter dem Mikroskop geklärt. Um bei steigenden Erkrankungszahlen und immer feineren molekularen Details den Pathologen sowohl die Arbeit zu erleichtern als auch maßgeschneiderte Behandlungen zu ermöglichen, haben Wissenschaftler vom Pathologischen Institut der Charité – Universitätsmedizin Berlin gemeinsam mit Kollegen von der TU Berlin ein digitales Bildanalyse-System entwickelt, das mittels Künstlicher Intelligenz (KI) mikroskopische Aufnahmen beurteilen kann.

Der Digital Health Accelerator (DHA) des Berlin Institute of Health (BIH) hat die Wissenschaftler auf dem langen Weg begleitet, das Forschungsprojekt zum Translationserfolg zu führen. Der DHA ist eine Förder- und Entwicklungsaktivität von BIH Innovations, dem gemeinsamen Technologietransfer von BIH und Charité.

„Bei immer mehr Proben von immer mehr Patientinnen und Patienten können digitale Assistenzsysteme dabei helfen, Fehler zu vermeiden.

„Digitaler Kollege“ präziser beim Zählen

Und der Mensch ist auch schlechter im Schätzen, wenn es etwa darum geht, zu beurteilen, wie viel Prozent eines Gewebes Tumor ist oder auf welchem Anteil der Tumorzellen sich ein bestimmter, therapeutisch relevanter Rezeptor befindet. Da kann uns der ‚digitale Kollege‘ helfen, weil er sowohl schneller als auch präziser beim Zählen ist“, ist Professor Frederick Klauschen, stellvertretender Direktor des Instituts für Pathologie der Charité am Campus Mitte, überzeugt.

Um den „digitalen Kollegen“ in der pathologischen Diagnostik auszubilden, arbeitet das Team um Klauschen mit vielen menschlichen Kollegen von verschiedenen Universitätskliniken zusammen. Diese zeichnen auf tausenden von digitalen mikroskopischen Aufnahmen von Gewebeschnitten die pathologischen Veränderungen ein. Mit diesen Befunden „füttern“ die Pathologen die Software, sodass diese „lernen“ kann, wie sich beispielsweise Tumorgewebe optisch von gesundem Gewebe unterscheidet.

„Diese Annotationen haben wir für verschiedene Krankheiten durchgeführt“, erläutert Klauschen. Bisher hätten die Forscher die Software bereits so trainiert, dass sie zuverlässig Lungen-, Brust und Darmkrebs erkennen könne sowie Immunzellen im Tumorgewebe, aber auch verschiedene Tumormarker.

Software erzeugt „Heatmaps“

„Der von uns entwickelte Ansatz zeigt uns darüber hinaus, wie die KI zu ihrer Entscheidung gekommen ist“, ergänzt Professor Klaus-Robert Müller, Mitgründer des Start-ups Aignostics, der an der TU Berlin den Lehrstuhl für Maschinelles Lernen innehat. Die Software erzeuge „Heatmaps“, welche präzise zeigten, welche Zellen oder Bildbereiche für die Klassifikation zum Beispiel von Krebs vs. Nicht-Krebs für den Algorithmus entscheidend gewesen seien. Anhand dieser „Heatmaps“ könnten die Pathologen anschließend beurteilen, ob die Analyse der KI nachvollziehbar ist.

Laut DHA-Leiter Tim Huse ging es bei Aignostics-Projekt insbesondere darum, das Team zu komplettieren, eine Unternehmensstrategie sowie das Produkt zu entwickeln und die Ausgründung vorzubereiten. Die DHA-Unterstützung reiche von finanzieller Förderung über Coaching und Mentoring durch Experten. (maw)