Forschende schaffen die Voraussetzung für frühe Diagnose und individuelle Therapie
Ein Forschungsteam des Max-Planck-Instituts für Kognitions- und Neurowissenschaften und des Universitätsklinikums Leipzig hat neue Verfahren der Künstlichen Intelligenz und des Maschinenlernens genutzt, um auf MRT-Bildern seltene Krankheitsformen der Demenz zu erkennen. In ihrer Studie zeigen die Forschenden, dass die KI automatisch Muster in Bildgebungsdaten von Patientinnen und Patienten erkennen kann, die spezifisch für seltene Demenz-Erkrankungsformen sind. Das ermöglicht eine frühe Diagnostik.
Augenspezialisten des Universitätsklinikums Freiburg haben eine Software entwickelt, die Zell-Aufnahmen der Hornhaut so präzise auswertet wie ein Mensch – in einem Bruchteil der Zeit
Gleich gut, aber schneller: Aus Mikroskop-Bildern unterschiedlicher Qualität mussten trainierte Augenärzte und die am Universitätsklinikum Freiburg entwickelte Software Zellen zählen. Die Software war dabei deutlich effizienter.
Bildquelle: rdcu.be/brYSJ / Universitätsklinikum Freiburg
Sie sorgen für einen klaren Blick: Die
Endothelzellen im Auge pumpen kontinuierlich Wasser aus der Hornhaut und
halten sie so durchsichtig. Sterben die Zellen ab, trübt die Hornhaut
ein. Um eine Behandlung zum richtigen Zeitpunkt beginnen zu können,
mussten Augenärzte bislang mikroskopische Aufnahmen der Endothelschicht
auswerten und die Zellen von Hand zählen. Nun haben Wissenschaftlerinnen
und Wissenschaftler des Universitätsklinikums Freiburg eine
selbstlernende Software entwickelt, die diese Aufgabe sehr zuverlässig
übernimmt. „Wofür selbst ein geübter Mensch mehrere Minuten benötigt,
schafft die selbstlernende Software in wenigen Sekunden“, sagt Prof. Dr.
Daniel Böhringer, Leiter des Schwerpunkts Klinische Studien an
der Klinik für Augenheilkunde am Universitätsklinikum Freiburg. Die
Studie zur Software wurde im zur Nature-Gruppe gehörenden Open-Access-Journal Scientific Reports veröffentlicht.
Gemeinsam mit seinem Team hat Prof. Böhringer die
eine Auswertungsmethode entwickelt. Grundlage war die an der
Albert-Ludwigs-Universität entwickelte Software „U-Net“. Sie basiert
damit auf dem für Künstliche Intelligenz (KI) klassischen Ansatz
neuronaler Netze, die selbstlernende Fähigkeiten haben. Im Rahmen der
Studie wurden 385 Mikroskopbilder gesunder und kranker Augen
ausgewertet. Obwohl die Bilder stark in der Qualität variierten, ergab
sich eine sehr gute Übereinstimmung zwischen der automatisierten
Bildanalyse und den „von Hand“ gezählten Messwerten. Dies war auch bei
Bildern von schlechter Qualität der Fall. Zusätzlich wurden nahezu alle
nicht-auswertbaren Bilder als solche markiert.
„Mit dem U-Net ist es uns gelungen, die
zeitaufwändige Aufgabe der Gewebeanalyse zu automatisieren. Diese neue
Methode erweitert die Forschungsmöglichkeiten in der Augenheilkunde
enorm“, sagt Prof Dr. Thomas Reinhard, Ärztlicher Direktor der
Klinik für Augenheilkunde am Universitätsklinikum Freiburg. „Damit
können wir archivierte Bilder neu auswerten und in künftigen Studien
deutlich mehr Bilder untersuchen.“ Um die Software auch in der
Diagnostik bei Patienten einsetzen zu können, ist eine CE-Zertifizierung
notwendig. Dies prüfen die Freiburger Forscher derzeit.
Endothelzellen zählen für die Früherkennung
Bei der Geburt lassen sich etwa 3.000 bis 5.000 Endothelzellen pro Quadratmillimeter zählen. Mit dem Alter sterben die Zellen nach und nach ab. Erst wenn in Folge von Krankheiten oder einer Operationen mehr als 90 Prozent der Endothelzellen abgestorben sind, sinkt das Sehvermögen und es können sich starke Schmerzen einstellen. Dies kann nur noch mit einer Hornhautübertragung behandelt werden, da die Endothelzellen nicht nachwachsen. „Wenn wir krankhafte Veränderungen rechtzeitig erkennen, können wir den Patienten oft helfen“, sagt Prof. Reinhard.
Original-Titel der Studie: Automated
segmentation of the corneal endothelium in a large set of ‘real-world’
specular microscopy images using the U-Net architecture
