Forschung von Helmholtz Munich Mit KI Bluterkrankungen besser diagnostizieren

Eine Forschungsgruppe unter Leitung des Helmholtz Munich Institute of AI for Health geht derzeit der Frage nach, wie sich Bluterkrankungen durch Zuhilfenahme von Künstlicher Intelligenz besser diagnostizieren lassen.

Anbieter zum Thema

Vogel IT-Medien GmbH

Disy Informationssysteme GmbH

Insider Research

Bislang nutzen hämatologische Labore weltweit die manuelle Klassifizierung von Knochenmarkszellen zur Diagnose von Bluterkrankungen. Bei dieser seit mehr als 150 Jahren etablierten Methode analysiert Fachpersonal gefärbte Präparate von Knochenmarkzellen unter dem Lichtmikroskop. Dieser Vorgang ist aufwendig und zeitintensiv, insbesondere bei der Suche nach seltenen, aber diagnostisch relevanten Zellen.

Künstliche Intelligenz könnte hier Hilfestellung geben. Es mangelte aber bislang an quantitativ und qualitativ ausreichenden Daten zum Training entsprechender Algorithmen. In Kooperation hat nun das Helmholtz Munich gemeinsam mit dem LMU Klinikum, dem MLL Münchner Leukämnie Labor und dem Fraunhofer-Institut für Integrierte Schaltungen IIS die bisher größte öffentlich zugängliche Sammlung an mikroskopischen Einzelbildern aus Knochenmarkspräparaten erstellt. Sie umfasst mehr als 170.000 Einzelbilder von über 900 Patienten mit verschiedenen Bluterkrankungen.

Basis für KI-Methodik

„Auf Basis dieser Datenbank haben wir ein neuronales Netz entwickelt, das vorherige KI-Algorithmen zur Zellklassifikation an Genauigkeit, aber auch an Verallgemeinerbarkeit übertrifft“, erklärt Dr. Christian Matek vom LMU Klinikum München, der auch Erstautor einer entsprechenden Studie ist. Bei dem neuronalen Netz handelt es sich um ein Machine-Learning-Konzept, das speziell für die Bildverarbeitung geeignet ist. „Die Analyse von Knochenmarkszellen ist bisher noch nicht mit modernen neuronalen Netzen bearbeitet worden“, verdeutlicht Matek. Dies liege auch daran, dass hochqualitative, öffentliche Datensätze bislang nicht verfügbar waren.

Die Wissenschaftler planen bereits den weiteren Ausbau der Datenbank, um ein breiteres Spektrum an Befunden erfassen und das Modell prospektiv validieren zu können. „Die Datenbank und das Modell sind für Forschung und Lehre frei verfügbar – für die Schulung von Fachpersonal oder als Referenz für weitere KI-basierte Ansätze, beispielsweise zur Blutkrebsdiagnostik“, so Studienleiter Dr. Carsten Marr vom Helmholtz Munich.

(ID:47895419)