Trends Markt News

iStock.com/windcatcher

Analyse medizinischer Bilddaten: KI erhöht die Treffsicherheit

Wie groß ist die Leber? Verändert sie sich durch die Einnahme von Medikamenten? Ist die Niere entzündet? Befindet sich im Gehirn ein Tumor? Und hat dieser bereits Metastasen gebildet? Um solche Fragen beantworten zu können, mussten Biowissenschaftler und Mediziner bisher eine Fülle von Daten sichten und interpretieren. „Die Auswertung von dreidimensionalen bildgebenden Verfahren ist sehr aufwändig“, erklärte Oliver Schoppe, wie die Technische Universität München (TUM) am Montag mitteilte. Zusammen mit einem interdisziplinären Forschungsteam habe der TUM-Forscher selbstlernenden Algorithmen entwickelt, die künftig bei der Analyse biowissenschaftlicher Bilddaten helfen könnten.

Kernstück der AIMOS-Software (die Abkürzung steht für AI-based Mouse Organ Segmentation) seien künstliche neuronale Netze, die, wie das menschliche Gehirn, lernfähig seien. „Früher musste man Computerprogrammen genau sagen, was sie tun sollen“, erläuterte Schoppe. „Neuronale Netze brauchen solche Vorgaben nicht mehr: Es genügt sie zu trainieren, indem man mehrmals eine Problemstellung und eine Lösung präsentiert. Die Algorithmen erkennen nach und nach die Muster und finden dann selbst die richtigen Lösungen.“

Selbstlernende Algorithmen trainieren

Im AIMOS-Projekt wurden die Algorithmen den Angaben zufolge mit Hilfe von Mäusebildern trainiert. Ziel war es demnach, die Bildpunkte aus 3D-Ganzkörperscans bestimmten Organen – beispielsweise Magen, Niere, Leber, Milz oder Gehirn – zuzuordnen. Auf Grund dieser Zuordnung könne das Programm dann die genaue Lage und Form darstellen, hieß es.

„Glücklicherweise hatten wir Zugriff auf mehrere hundert Bilddatensätzen von Mäusen aus einem anderen Forschungsprojekt, die alle bereits von zwei Biologen interpretiert worden waren“, so Schoppe. Hinzu kamen laut der Hochschule fluoreszenzmikroskopische 3D-Scans vom Institut für Tissue Engineering and Regenerative Medicine am Helmholtz Zentrum München.

Den Forschern dort war es den Angaben zufolge mit einer speziellen Technik gelungen, bereits verstorbene Mäuse vollständig zu entfärben. Die transparenten Körper konnten demnach Punkt für Punkt und Schicht für Schicht mit einem Mikroskop abgerastert werden. Die Abstände zwischen den Messpunkten hätten dabei nur sechs Mikrometer betragen – das entspreche der Größe einer Zelle. Auch in diesen Datensätzen hätten Biologen die Organe lokalisiert, hieß es.

Software deutlich schneller als der Mensch

Am TranslaTUM der TUM hätten die Informatiker diese Daten ihren neuen Algorithmen präsentiert. Diese lernten schneller als erwartet, betonte Schoppe: „Wir haben nur etwa zehn Ganzkörperscans gebraucht, dann konnte die Software die Analyse der Bilddaten allein bewerkstelligen – und zwar innerhalb von Sekunden. Ein Mensch braucht dafür Stunden.“

Die Zuverlässigkeit der Künstlichen Intelligenz überprüfte das Team der Universität zufolge anschließend mit Hilfe von 200 weiteren Ganzkörper-Scans von Mäusen. „Das Ergebnis zeigt, dass selbstlernende Algorithmen bei der Auswertung biologischer Bilddaten nicht nur schneller, sondern auch treffsicherer sind als der Mensch“, betonte der Computerexperte Prof. Bjoern Menze.

Eingesetzt werden solle die Intelligente Software künftig vor allem in der Grundlagenforschung: „Bildaufnahmen von Mäusen werden dringend benötigt, zum Beispiel um die Wirkweise von neuen Medikamenten zu untersuchen, bevor sie beim Menschen zum Einsatz kommen. Die Auswertung von Bilddaten mit selbstlernenden Algorithmen kann künftig viel Zeit sparen“, resümierte Menze. (ud)

Stichworte

Verwandte Artikel

Anzeige

Lexikoneinträge