Sonntag, 22. Dezember 2024
Navigation öffnen
Anzeige:
Wefra Programatic
 
Medizin

AML: Diagnostik per KI

AML: Diagnostik per KI
© sam richter - stock.adobe.com
Ein Team von Informatiker:innen und Mediziner:innen der Universität Münster hat eine Studie veröffentlicht, in der mittels eines Verfahrens, das auf Künstlicher Intelligenz (KI) basiert, diverse genetische Merkmale aus hochauflösenden mikroskopischen Aufnahmen von Knochenmarkausstrichen vorhergesagt werden können. Davon könnten Patient:innen mit akuter myeloischer Leukämie (AML) künftig profitieren. Bereits am Tag der Diagnose könnten so gezielte Therapieentscheidungen getroffen werden, ohne auf genetische Analysen warten zu müssen. Die Ergebnisse wurden in der Fachzeitschrift „Blood Advances“ veröffentlicht.
Anzeige:
Wefra Programatic
 

Multi-Gigabyte-Scans von ganzen Knochenmarkausstrichen von mehr als 400 AML-Patient:innen

Bei diesem neuen Verfahren wurden die genetischen Veränderungen direkt aus extrem hochaufgelösten Multi-Gigabyte-Scans von ganzen Knochenmarkausstrichen von mehr als 400 AML-Patient:innen extrahiert. Ausgehend von dieser riesigen Datengrundlage konnten mehr als 2 Millionen einzelne Zellbilder erstellt werden. „Wir haben ein neuartiges und vollautomatisches Verfahren entwickelt, das mittels der Technik des maschinellen Lernens für eine komplexe Aufgabe trainiert wurde. In unserem Fall kann der zugrunde liegende Algorithmus die genetischen Merkmale und sehr feinen Muster in den großen histologischen Aufnahmen selbstständig erkennen", erklärt Prof. Dr. Benjamin Risse, der die algorithmischen Entwicklungen aus Sicht der Informatik leitete. Das Verfahren filterte anschließend die Einzelzellbilder in Kategorien von verschiedenen Zelltypen und zeigte zudem genetische Abweichungen auf. Besonders interessant sei dabei, dass es dem menschlichen Betrachter nicht möglich sei, einige dieser Muster zu erkennen. Das liege zum Beispiel daran, dass sie zu schwach ausgeprägt sein können oder extrem feine Texturen betreffen, die dem menschlichen Auge trotz exzellenter Bildgebung verborgen bleiben.

Kombination aus unüberwachten, selbst-überwachten und überwachten Lernverfahren

Ein zentraler Vorteil des Verfahrens liegt in der aufeinander aufbauenden KI-Pipeline, die eine Kontrolle der (Zwischen-) Ergebnisse ermöglicht und die für maschinelles Lernen oft benötigten manuellen Vorarbeiten auf ein Minimum reduziert. Ermöglicht wird dies durch eine Kombination von sogenannten unüberwachten, selbst-überwachten und überwachten Lernverfahren. Insbesondere die beiden erstgenannten Verfahren benötigen zum Beispiel keine manuelle Datenselektion, sondern versuchen, relevante Inhalte selbstständig aus den Bilddaten zu gewinnen. „Mithilfe eines sogenannten inkrementellen Vorgehens haben wir Zwischenschritte zur Überprüfung der Bilder durch einen menschlichen Experten durchgeführt. Das ist zum Beispiel bei problematisch eingestuften Zellbildern nötig“, sagt Dr. Linus Angenendt, Leiter der Arbeitsgruppe Personalisierte Krebstherapie und Digitale Medizin am Universitätsklinikum Münster. Problematische Zellbilder können zum Beispiel durch fehlerhafte Färbungen auftreten. Das trainierte Modell wurde anschließend auf einem unabhängigen Datensatz von weiteren 70 Patient:innen mit über 440.000 Einzelzellbildern evaluiert – quasi als Testkohorte.

Zeitvorteil vor allem bei aggressiven Formen der AML

Zwar kann das neue Verfahren die genetischen Analysen nicht ersetzen. Die Methode trägt dennoch dazu bei, sehr früh eine Idee davon zu bekommen, welche genetischen Veränderungen der Leukämie zugrunde liegen könnten. Das würde vor allem bei besonders aggressiven Erkrankungen helfen, bei denen man nicht auf die kompletten genetischen Analysen warten kann.

Personalisierte Therapieempfehlungen mithilfe von KI

Die Wissenschaftler:innen sind davon überzeugt, dass digitale Verfahren und künstliche Intelligenz an großen medizinischen Datensätzen immer wichtiger werden, wenn es um personalisierte Therapieempfehlungen für Patient:innen mit bösartigen Erkrankungen geht. Diese Studie liefert dazu eine wichtige Grundlage, beispielsweise für die Entwicklung ähnlicher Ansätze für andere Knochenmarkserkrankungen.
 
 

Lesen Sie mehr zu diesem Thema:

Kann Künstliche Intelligenz die Behandlung von Krebs verbessern?

Erschienen am 16.09.2022Eine Studie aus Kanada hat sich mit dem Nutzen von Künstlicher Intelligenz in der Onkologie beschäftigt. Hier finden Sie einen Überblick!

Erschienen am 16.09.2022Eine Studie aus Kanada hat sich mit dem Nutzen von Künstlicher Intelligenz in der Onkologie beschäftigt....

© natali_mis - stock.adobe.com
Die Arbeit erhielt finanzielle Unterstützung der Europäischen Union und der Deutschen Forschungsgemeinschaft.

Quelle: Uni Münster

Literatur:

(1) Kockwelp J et al. Deep Learning Predicts Therapy-Relevant Genetics in Acute Myeloid Leukemia from Pappenheim-stained Bone Marrow Smears. Blood Advances. Blood Advances 2023.


Sie können folgenden Inhalt einem Kollegen empfehlen:

"AML: Diagnostik per KI"

Bitte tragen Sie auch die Absenderdaten vollständig ein, damit Sie der Empfänger erkennen kann.

Die mit (*) gekennzeichneten Angaben müssen eingetragen werden!

Die Verwendung Ihrer Daten für den Newsletter können Sie jederzeit mit Wirkung für die Zukunft gegenüber der MedtriX GmbH - Geschäftsbereich rs media widersprechen ohne dass Kosten entstehen. Nutzen Sie hierfür etwaige Abmeldelinks im Newsletter oder schreiben Sie eine E-Mail an: rgb-info[at]medtrix.group.