KI-gesteuerte Klassifizierung einzelner Blutzellen

Neue Methode unterstützt Ärzte bei der Leukämiediagnostik

14.11.2019

© Helmholtz Zentrum München / Carsten Marr

Deep-Learning-Algorithmen der KI analysieren Proben auf automatisierte und standardisierte Weise. Links: Klassifizierung menschlicher Experten. Rechts: Wichtige Pixel für die KI-Analyse.

Erstmals zeigen Forscher des Helmholtz Zentrums München und des Klinikums der Ludwig-Maximilians-Universität München (LMU), dass Deep-Learning-Algorithmen bei der Klassifizierung von Blutproben von Patienten mit akuter myeloischer Leukämie (AML) eine vergleichbare Leistung erbringen wie Fachleute. Die Proof-of-Concept-Studie des Teams ebnet den Weg für eine automatisierte, standardisierte und allgemein verfügbare Analyse von Proben in naher Zukunft.

Zur Diagnose von Krankheiten werden in medizinischen Labors und Kliniken täglich Millionen einzelner Blutzellen ausgewertet. Der Großteil dieser repetitiven Auswertungen wird noch immer manuell vorgenommen. Ausgebildete Zytologen untersuchen die Zellen in gefärbten Blutausstrichen und teilen diese in etwa 15 verschiedene Kategorien ein. Dieser Klassifizierungsprozess ist anfällig für Qualitätsschwankungen und erfordert die Anwesenheit und das Fachwissen eines Experten.

Um einzelne Blutzellen effizienter auswerten zu können entwickelte ein Team aus Forschern des Helmholtz Zentrums München und des Klinikums der LMU zu diesem Zweck ein neuronales Deep-Learning-Netzwerk. Dieses wurde mit fast 20.000 Einzelbildern trainiert, um Zellen selbstständig klassifizieren zu können. Das Forschungsteam rund um Leiter Dr. Carsten Marr und den Medizindoktoranden Dr. Christian Matek vom Institut für Computational Biology am Helmholtz Zentrum München sowie Prof. Dr. Karsten Spiekermann und Simone Schwarz von der Medizinischen Klinik und Poliklinik III des Klinikums der LMU nutzte dazu Bilder, die aus Blutausstrichen von 100 Patienten mit der aggressiven Blutkrankheit AML und 100 Kontrollen extrahiert wurden. Diese neue, automatisierte Lösung wurde anschließend bewertet, indem ihre Genauigkeit mit der von menschlichen Experten verglichen wurde. Das Ergebnis zeigte, dass das von künstlicher Intelligenz (KI)-gesteuerte Verfahren diagnostisch relevante Blasten (Vorläuferzellen der weißen Blutkörperchen, die normalerweise nur im Knochenmark zu finden sind) mindestens so gut identifiziert wie ein ausgebildeter Zytologe.

Angewandte Forschung durch KI und Big Data

Deep-Learning-Algorithmen für die Bildverarbeitung benötigen zweierlei: eine geeignete neuronale Netzwerkarchitektur mit tausenden von Parametern, sowie eine ausreichend große Menge an Trainingsdaten. Bislang lag kein großer digitalisierter Datensatz von Blutzellen vor, obwohl diese Proben in Kliniken tagtäglich verwendet werden. Die Forschungsgruppe am Helmholtz Zentrum München hat nun den ersten großen Datensatz dieser Art zur Verfügung gestellt. Derzeit arbeiten Marr und sein Team eng mit der Medizinischen Klinik und Poliklinik III des Klinikums der LMU und einem der größten europäischen Leukämie-Labore, dem Münchner Leukämie-Labor (MLL), zusammen, um Hunderte von Blutausstrichen von Patienten zu digitalisieren.

„Um unseren Lösungsansatz in der Praxis umzusetzen, muss die Digitalisierung von Blutausstrichen von Patienten zur Routine werden. Algorithmen müssen mit Proben aus verschiedenen Quellen trainiert werden, um die inhärente Heterogenität bei der Aufbereitung und Färbung der Proben zu lernen“, erklärt Marr. „In unserer Publikation konnten wir beweisen, dass Deep-Learning-Algorithmen eine ähnliche Leistung erzielen können wie Zytologen. In einem nächsten Schritt werden wir untersuchen, wie gut andere Krankheitsbilder, beispielweise genetische Mutationen oder Translokationen, mit dieser neuen KI-gesteuerten Methode vorhergesagt werden können.“

Diese Arbeit ist ein Beispiel dafür, welches Potenzial dem Einsatz künstlicher Intelligenz in der angewandten Forschung zukommt. Sie entstand aus einer Fortführung der Forschungsarbeiten des Helmholtz Zentrums München zur Klassifizierung einzelner Zellen in Blutstammzellen (Buggenthin et al., Nature Methods, 2017), die 2018 mit dem Erwin-Schrödinger-Preis der Helmholtz-Gemeinschaft ausgezeichnet wurden. Unterstützt wurde die Studie vom SFB 1243 der Deutschen Forschungsgemeinschaft (DFG) sowie durch ein Promotionsstipendium der Deutschen José-Carreras-Leukämie-Stiftung an Dr. Christian Matek.

Helmholtz Zentrum München - Deutsches Forschungszentrum für Gesundheit und Umwelt GmbH

Jetzt Infos anfordern

News weiterempfehlen PDF Ansicht / Drucken

Teilen bei

Fakten, Hintergründe, Dossiers
  • Deep Learning
  • akute myeloische Leukämie
  • Blutanalyse
  • künstliche Intelligenz
Mehr über Helmholtz Zentrum München
  • News

    Raumgestaltung für das Erbgut

    Die Architektur von DNA- und Eiweißmolekülen im Zellkern reguliert frühe Phasen der Embryonalentwicklung. Forschende des Helmholtz Zentrums München und der LMU in Kollaboration mit dem Hubrecht Institut in Utrecht  zeigen jetzt, dass solche Strukturen nicht vererbt werden, sondern neu entst ... mehr

    Zellatlas der alternden Lunge

    Mit zunehmendem Alter geht die Lungenfunktion zurück und die Anfälligkeit für Atemwegserkrankungen nimmt zu. Um diese Effekte im Detail zu verstehen, haben Forscher am Helmholtz Zentrum München, Partner im Deutschen Zentrum für Lungenforschung (DZL), den Alterungsprozess der Lunge auf Ebene ... mehr

    Künstliche Intelligenz gegen den Fehlerteufel

    Moderne technische Möglichkeiten erlauben es, einzelne Zellen zu sequenzieren und jeweils individuell herauszufinden, welche Gene gerade abgelesen werden. Diese Methoden sind sehr fein, dadurch aber auch sehr fehleranfällig: Geräte, Umwelt aber auch die Biologie selbst können für Ausfälle u ... mehr

Mehr über LMU
  • News

    Ultraschneller Blick in die Photochemie der Atmosphäre

    Kleinste Phänomene im Nanokosmos bestimmen unser Leben. Vieles, was wir in der Natur beobachten, beginnt als elementare Reaktion von Atomen oder Molekülen auf den Einfluss von Strahlung. Einen dieser Prozesse hat das Team um Professor Matthias Kling und Dr. Boris Bergues vom Labor für Attos ... mehr

    Krebsmedikamente sicher an das Ziel bringen

    Krebserkrankungen gezielter und wirksamer behandeln – das könnte mit einer neuartigen Technologie gelingen, die Teams von Forschern am Leibniz-Forschungsinstitut für Molekulare Pharmakologie (FMP) und an der Ludwig-Maximilians-Universität München (LMU) entwickelt haben. Das Verfahren wandel ... mehr

    Blinzelcode für Moleküle

    Der LMU-Physiker Ralf Jungmann hat superauflösende Fluoreszenzmikroskopieverfahren entscheidend vorangebracht: Mit neuen Sonden kann er zahlreiche verschiedene Moleküle gleichzeitig detektieren – jedes blinkt auf charakteristische Weise. Blinksignale für die Nanowelt: Ralf Jungmann, Profess ... mehr

Ihr Bowser ist nicht aktuell. Microsoft Internet Explorer 6.0 unterstützt einige Funktionen auf Chemie.DE nicht.