Die Pathologie ist die wichtigste Disziplin in der Krebs-Diagnostik und zugleich entscheidende Voraussetzung für eine Therapie. Dafür untersucht der Pathologe menschliches Gewebe unter dem Mikroskop auf Tumorgewebe, einzelne bösartige Zellen und andere krankheitsbedingte Gewebeveränderungen. Gerade die Auszählung von Mitosen (das heisst Zellen, die sich im Teilungsstadium befinden) spielt bei der Diagnostik vieler Tumorerkrankungen eine wichtige Rolle wie zum Beispiel bei der visuellen Befundung bei Brust-, Haut- und anderen Krebsen.

Diese Auszählung erfolgt gegenwärtig noch immer händisch und ist damit auch für Experten anspruchsvoll und fehleranfällig. Mit klassischen Methoden der automatisierten Bilderkennung ist eine zuverlässige Erkennung bisher nicht möglich. Da der Bedarf an Labordiagnostik infolge steigender Krebszahlen und alternder Gesellschaften weiter wächst, besteht hier ein hoher Bedarf an Automatisierung beziehungsweise der Entwicklung von Unterstützungswerkzeugen für die Pathologie.

Ziel des Verbundvorhabens war es, ein softwarebasiertes System zur automatisierten Erkennung von Mitosen für den Routineeinsatz in Krankenhäusern, Praxen und Laboren zu entwickeln. Dieses modular aufgebaute System wird neueste Entwicklungen in der Digitalen Pathologie, der Verarbeitung großer Bilddatenmengen und der Künstlichen Intelligenz integrieren. Für die automatische Bilderkennung werden aktuelle Algorithmen des Deep Learning zum Einsatz kommen, um Mitosen in feingliedrigen Gewebestrukturen auf digitalisierten Bildern der Gewebeschnitte zu detektieren und zu lokalisieren. Die Praxistauglichkeit des neuartigen Erkennungssystems wurde in einer klinischen Machbarkeitsstudie an der Charité evaluiert.

• Prof. Dr. Christian Herta (Projektleitung)
• Prof. Dr. Peter Hufnagl (Projektleitung)

• Sebastian Lohmann (Projektmitarbeiter_in)

BMBF Bundesministerium für Bildung und Forschung

• Charité Berlin - Digitale Pathologie
• Mind Peak GmbH
• VMscope GmbH

kmu Innovativ