Trends Grundlagen Markt News

iStock.com/PhonlamaiPhoto

Medizin: Selbstlernende Algorithmen analysieren Bilddaten

KINOTE: Herr Schoppe, was genau ist der Ansatz der Wissenschaftler?

Oliver Schoppe: Die Gruppe von Herrn Prof. Bjoern H. Menze beschäftigt sich im Allgemeinen mit der Frage, wie Algorithmen, insbesondere Maschinelles Lernen, in der Analyse biomedizinischer Bildgebung und der Modellierung von biologischen Prozessen helfen können. In diesem spezifischen Fall fokussieren wir uns auf die anatomische Auswertung von 3D-Aufnahmen von Mäusen, wie sie in vielen Bereichen der medizinischen und biologischen Forschung von Nöten sind. Unser Ansatz liegt hierbei darin, mit Hilfe von Convolutional Neural Networks (CNNs) ein Tool bereit zu stellen, dass die Aufgabe der anatomischen Auswertung, etwa die Segmentierung der Organe und Knochen, anhand von Beispieldaten erlernt und im Anschluss mit hoher Genauigkeit für neue Daten eigenständig lösen kann. 

KINOTE: Was genau sind Convolutional Neural Networks?

Schoppe: Es handelt sich hierbei um ein künstliches neuronales Netz im Bereich des Maschinellen Lernens (ML). Ein CNN verfügt über mehrere Faltungsschichten und ist speziell für Bilddaten konzipiert. Die Funktionsweise des CNNs ist bis zu einem gewissen Grad den neurobiologischen Vorgängen des visuellen Systems beim Menschen nicht unähnlich und davon inspiriert.

KINOTE: Wie funktioniert das neuronale Netz in Ihrem Fall?

Schoppe: Der von unserem Forschungsteam entwickelte AIMOS-Algorithmus (AIMOS steht für AI-based Mouse Organ Segmentation) basiert auf Convolutional Neural Networks, wie sie häufig bei Bild-basierten Problemen eingesetzt werden. Die CNNs analysieren die Bilddaten auf verschiedenen Abstraktionsebenen, das heißt, es werden sowohl die Farbwerte in einzelnen Pixeln als auch abstraktere Aspekte wie etwa Form, Größe und Lage von anatomischen Strukturen untersucht, um die einzelnen Organe erkennen und segmentieren zu können. Das Ziel besteht darin, die Bildpunkte aus den 3D-Bildern den Organen – etwa Leber, Gehirn oder Milz – exakt zuzuordnen. Das Programm ist somit in der Lage, auf der Grundlage der Aufnahmen die genaue Form und Lage der Organe zu präsentieren.

KINOTE: Welches Datenmaterial liegt der Analyse der biowissenschaftlichen Bilddaten zugrunde?

Schoppe: Der Algorithmus wurde auf Basis von zwei Datensätzen entwickelt und validiert. Zum einen handelt es sich um einen großen Datensatz an 3D-Computer-Tomographien von Mäusen, der von der RWTH Aachen aufbereitet und öffentlich gemacht wurde. Zum anderen haben wir selbst noch weitere Daten hinzugefügt, die aus einer grundsätzlich anderen Bildgebungsmethode entstammen; so wollen wir die Breite der Anwendungsmöglichkeit der Software demonstrieren. Bei unseren Daten handelt es sich um 3D-Fluoreszenzmikroskopie. Das sind extrem hoch aufgelöste Ganzkörperaufnahmen von Mäusen, die nach ihrem Tod über biochemische Verfahren optisch transparent gemacht wurden. Obwohl die beiden Bildgebungsverfahren sehr unterschiedliche Bilder von der Anatomie der Mäuse produzieren, funktioniert AIMOS auf beiden sehr gut und erkennt die Organe mit hoher Genauigkeit. Beide Datensätze sind öffentlich verfügbar.

KINOTE: Was ist der große Gewinn der Methode?

Schoppe: Viele biologische und medizinische Fragestellungen erfordern, dass man in solchen 3D-Aufnahmen genau weiß, wo welches Organ ist, welche Form es hat, wie groß es ist – zum Beispiel, um zu verstehen, ob sich eine Krebs-Metastase eines streuenden Tumors in der Leber oder in der Niere eingenistet hat. Bisher müssen viele Wissenschaftler die Bilddaten daher manuell sichten und analysieren. Bisherige Ansätze, diesen so wichtigen Schritt zu automatisieren, funktionieren nicht sehr genau und sind nicht sehr zuverlässig. Mit unserer Methode kann diese Arbeit, die ansonsten mehrere Stunden pro Aufnahme dauert, binnen Sekunden vollautomatisch gemacht werden – und das ohne Einbuße an Genauigkeit.

KINOTE: Wo soll die Intelligente Software künftig eingesetzt werden?

Schoppe: Sie kann überall da eingesetzt werden, wo Wissenschaftler in der Biologie und Medizin mit bildgebenden Verfahren den Körper von Mäusen untersuchen und die Anatomie analysieren wollen. Das ist in der Forschung über Tumorarten, in der Entwicklung von Krebsmedikamenten, aber auch bei Stoffwechsel-Krankheiten oder Herz-Kreislauf-Erkrankungen wichtig. Eigentlich immer dann, wenn man sich die ganze Anatomie einer Maus ansehen möchte, um eine Erkrankung oder einen Therapie-Ansatz zu erforschen.

KINOTE: Welchen Stellenwert haben Künstliche Intelligenz, Algorithmen und neuronale Netzwerke insgesamt in der Medizin?

Schoppe: Sie sind sehr mächtige Werkzeuge geworden, die es Forschern und Ärzten ermöglichen, bisherige Arbeiten genauer und schneller zu erledigen, aber auch, um grundsätzlich neue Fragestellungen anzugehen. Algorithmen sind sehr gut darin, große Datenmengen auszuwerten und vielleicht auch mal ein Detail zu erspähen, das die müden Augen eines Experten am Ende einer langen Arbeitsschicht vielleicht übersehen hätten. Wichtig aus meiner Sicht: Die Algorithmen ersetzen nicht die Arbeit der Experten, sondern ergänzen sie.

KINOTE: Herr Schoppe, vielen Dank für das Gespräch.

Die Fragen stellte Dogan Michael Ulusoy.

 



Oliver Schoppe ist Doktorand der Künstlichen Intelligenz an der TU München und „Leiter des AI-Teams“ am Institute of Tissue Engineering and Regenerative Medicine am Helmholtz Zentrum München.

Bildquelle: TUM

Stichworte

Verwandte Artikel

Anzeige

Lexikoneinträge