Die großskalige Hochdurchsatz-Digitalisierung von histologischen Glasobjektträgern durch Objektträgerscanner, die digitale Whole Slide Images (WSIs) erzeugen, und verbesserte Software- und Hardware-Lösungen, die zusammen als digitale Pathologie bezeichnet werden, eröffneten neue Möglichkeiten der automatisierten, hochpräzisen und reproduzierbaren Quantifizierung in der Pathologie. Außerdem ermöglicht die digitale Pathologie die wirksame Anwendung von künstlicher Intelligenz (KI), d. h. Computersysteme können Aufgaben ausführen, die normalerweise menschliche Intelligenz erfordern. Maschinelles Lernen und insbesondere Deep Learning (DL) sind Forschungsbereiche der KI mit Schwerpunkt auf Methoden, bei denen sich Computersysteme durch Erfahrung automatisch verbessern. Diese Ansätze werden höchstwahrscheinlich die pathologische Diagnostik in der Zukunft verbessern und transformieren, sodass eine präzise, reproduzierbare und personalisierte Computational Pathology entsteht. Zudem können sie sogar das Potenzial haben, neue diagnostische Merkmale und Biomarker zu identifizieren, die bisher nicht erkannt wurden, wie z. B. in der Onkopathologie.
Wissenschaftliche Fragestellungen
Die Pathologie bleibt eine wichtige Disziplin in der Diagnostik von Krankheiten, während histologische Analysen sowohl bei experimentellen als auch bei klinischen Studien eine wichtige Rolle spielen. Derzeit verlässt sich die Histopathologie noch weitgehend auf die manuelle und oft subjektive Auswertung oder auf herkömmliche computergestützte Verfahren, die nur begrenzte und manchmal ungenaue Ergebnisse liefern. Die modernen DL-Ansätze konzentrieren sich auf überwachte Methoden, die auf dem Training mit großen Datenmengen basieren, die von Experten (Pathologen im Falle der Histologie) beschriftet wurden. Die Sammlung etikettierter medizinischer Daten ist jedoch oft sehr teuer in Bezug auf Zeit und Aufwand der Experten. Unüberwachte Methoden erfordern große Datenmengen, die leider nicht immer verfügbar sind. Außerdem gibt es keine standardisierten Präparations- und Aufnahmeprotokolle für histologische Bilddaten, was zu einer großen Variabilität der Daten zwischen und innerhalb von Laboren führt, wie z. B. Schichtdicke, Färbungsvariabilität, Scanqualität usw. Diese Faktoren begrenzen die Entwicklung von DL-Algorithmen in der Pathologie und Pathomik erheblich.
Abschlussarbeiten
Es werden regelmäßig neue Abschlussarbeiten im Bereich der Digitalen Pathologie ausgeschrieben. Neben der Gesamtübersicht gibt es auch noch zahlreiche, noch nicht ausgeschriebene Themen, die gerne im persönlichen Gespräch vorgestellt werden.
Dr. André Homeyer, Fraunhofer-Institut für Digitale Medizin MEVIS, Lübeck
Drittmittel
DFG Klinische Forschungsgruppe, „Integration neuer Methoden zur Verbesserung von translationaler Nierenforschung“, Projektnr. KFO 5011
BMBF Verbundprojekt: „SynDICAD: Erzeugung Synthetischer Daten für die Anwendung Künstlicher Intelligenz bei Computergestützten Biomarker Analysen in der Digitalen Pathologie“, Projektnr. FKZ: 01IS21067
BMBF KMU-Innovativ-14 Projekt. „Entwicklung eines innovativen Lungenkarzinom Maus Modell, das die Interaktion des Tumors mit dem Stroma und dem Immunsystem modelliert (ILUMINATE)“ Projektnr. FKZ: 031B0006B
Barbara M. Klinkhammer, Roman D. Bülow, Patrick Droste, Simon W. Otten, Saskia Freifrau von Stillfried, Julia Moellmann, Susan M. Sheehan, Ron Korstanje, Sylvia Menzel, Peter Bankhead, Matthias Mietsch, Charis Drummer, Michael Lehrke, Rafael Kramann, Jürgen Floege, Peter Boor Nassim Bouteldja and Dorit Merhof
Deep Learning-Based Segmentation and Quantification in Experimental Kidney Histopathology
By continuing to use the site, you agree to the use of cookies. more information
English translation below.
Die Cookie-Einstellungen auf dieser Website sind so eingestellt, dass sie "Cookies zulassen" sollten, um das bestmögliche Surferlebnis zu erhalten. Sie können diese Website weiterhin nutzen, ohne Ihre Cookie-Einstellungen zu ändern, oder Sie klicken unten auf "Accept" und stimmen der Nutzung der Cookies zu.
In den Cookies werden lediglich die von Ihnen gewählten Spracheinstellungen gespeichert. Bitte lesen Sie auch unsere Datenschutzerklärung.
The cookie settings on this website are set to "allow cookies" to give you the best browsing experience possible. If you continue to use this website without changing your cookie settings or you click "Accept" below then you are consenting to this.
Only your chosen language settings are stored in the cookies. Please also read our privacy policy.
