14 Jun KI-Software analysiert Mikroskopiebilder
Eine auf maschinellem Lernen basierte Software analysiert Gewebeschnitte und ist dabei lernfähig. Die Software ist frei verfügbar und ohne KI-Kenntnisse von Medizinern anwendbar.
In der Medizin ist es nach wie vor Standard, Mikroskopiebilder von Gewebeschnitten händisch auszuwerten. Auf diese Weise wird beispielsweise beurteilt, wie viele Krebszellen sich in einem Lymphknoten befinden. Das neue digitale Tool deepflash2 erleichtert die Analyse von Mikroskopiebildern ganz wesentlich. Matthias Griebel vom Lehrstuhl für Wirtschaftsinformatik und Business Analytics der Universität Würzburg hat das Tool im Rahmen seiner Promotion entwickelt. Das Tool bildete das Fundament der Lösung, die er gemeinsam mit dem Mediziner Philipp Sodmann für einen internationalen Data-Science-Wettbewerb entstanden ist.
„In der Biologie ist nicht alles schwarz oder weiß“, erklärt Griebel. Nicht selten zweifeln Forschende, ob Zellen, die sie in einem Gewebeschnitt sehen, noch funktionsfähig sind. In solchen Fällen weist deepflash2 darauf hin: Hier müssen noch einmal Menschen draufschauen! Weil das Programm deepflash2 trainierbar ist, kann es zum Beispiel lernen, verschiedene funktionelle Gewebseinheiten zu erkennen. So kann der Algorithmus mithilfe des maschinellen Lernens beigebracht bekommen, auf einem Bild die insulinproduzierenden Zellen der Bauchspeicheldrüse zu identifizieren.
Anwendbar ohne KI-Wissen
Großen Wert legt Griebel bei der Entwicklung darauf, dass auch Forschende ohne KI-Expertise das Tool problemlos nutzen können. Die komplizierten Vorgänge hinter den Kulissen brauchen die Anwenderinnen und Anwender in Medizin und Biowissenschaft nicht zu interessieren. Für sie ist es laut Griebel vor allem wichtig, die Biobildanalyse schneller und gleichzeitig zuverlässiger zu gestalten. Damit ein künstliches neuronales Netz das leisten kann, muss es anhand umfangreicher Datensätze intensiv trainiert werden, so der Wissenschaftler. Da es sich um ein Open-Source-Tool handelt, können andere Forschende es kostenlos im Browser nutzen oder auf dem eigenen Computer installieren.
Entscheidungen trifft der Mensch
An Ende bleiben es Menschen, die eine Schlussfolgerung aus den Bildern ziehen. Das dürfte alle beruhigen, die befürchten, dass Künstliche Intelligenzen in der Medizin künftig über Wohl und Wehe entscheiden werden. Genau das, betont Philipp Sodmann, sei nicht der Fall und werde sicher nie der Fall werden.
Sodmann appelliert, die vielfältigen Möglichkeiten der KI zu erkennen. Der Data-Science-Wettbewerb zum Beispiel fand vor dem Hintergrund des 2016 gestarteten Projekts ‚Human BioMolecular Atlas Program‘ statt. Dessen Ziel ist es, jede einzelne der rund 37 Billionen Zellen des Menschen abzubilden und zu charakterisieren. Ohne KI wäre das unmöglich.
Für den Data-Science-Wettbewerb von Kaggle waren insgesamt Lösungen von rund 1200 Teams aus mehr als 50 Ländern eingereicht worden. Matthias Griebel und Philipp Sodmann landeten auf Platz 10.
Quelle und Foto: www.uni-wuerzburg.de
