VerDiGes - EMAPAD Effiziente mikroskopische Automatisierung in der pathologischen Autoimmundiagnostik

VerDiGes - EMAPAD ist eine Kooperation aus der Medipan GmbH, der scalable minds GmbH und der Brandenburgischen Technischen Universität Cottbus - Senftenberg. Das Projekt ist im Rahmen eines ZIM-Vorhabens vom 01.09.2021 bis 31.08.2024 gefördert. 

Projektbeschreibung

Pathologische/Histologische Screeningtests in der Diagnostik müssen heutzutage noch vollkommen händisch ausgewertet werden, es werden lediglich Systeme angeboten, die eine automatisierte Aufnahme ermöglichen, aber keine Vorsortierung und diagnostische Unterstützung anbieten. Wir wollen in diesem Projekt eine Mikroskopieplattform von der Hardware und der Steuerung auf die technischen Anforderungen in der histologischen Autoimmundiagnostik entwickeln und die automatisierte Bewertung der aufgenommenen Bilder ermöglichen. So können der Pathologe und der Diagnostiker entlastet werden, was sich in einem höheren Durchsatz (geringere Kosten pro Probe), aber zugleich auch in einem niedrigeren Fehlergrad durch menschliche Unaufmerksamkeiten auswirken wird. Durch den höheren Durchsatz an Proben können mehr Patienten in den Genuss einer anständigen Diagnostik kommen, was für ihre Lebensqualität im Allgemeinen ausschlaggebend sein wird.

Der Test KLS (kidney, liver, stomach), auf dem die zu entwickelnde Technik angewendet werden soll, ist ein gängiger Screeningtest bei Autoimmunerkrankungen. Es handelt sich dabei um einen indirekten Immunfluoreszenztest, der zur qualitativen Bestimmung von Autoimmunantikörpern in Serum oder Plasma dient.

Unser Forschungsvorhaben zur Entwicklung einer neuen KI-basierten Softwarelösung für die Analyse von Fluoreszenz-Bilddaten zur Diagnostik von Nieren-, Leber- und Magen-Geweben beinhaltet die Transformation von aktuellen technologischen Ansätzen aus der Grundlagenforschung der Informationstechnologie (neuronale Netzwerke) für einen domänenspezifischen Anwendungsfall aus der Biologie. Hierbei können wir bereits auf das bestehende Vorwissen der Projektpartner zurückgreifen, um unseren Entwicklungsprozess zu vereinfachen.

Die BTU CS wird die Erkennung der Substrukturen im Gewebe entwickeln und diese Informationen mit den diagnostischen Vorhersagen verknüpfen. Dazu werden Techniken des Machine Learning Systems von scalable minds zusammen mit den in der Arbeitsgruppe etablierten Techniken der Texturdetailanalyse aus der Multiparameterdiagnostik genutzt. Die damit ermittelten Daten werden aufgearbeitet und über eine Schnittstelle dem System wieder zur Verfügung gestellt. Die MEDIPAN GmbH stellt der BTU CS KLS-Proben zur Verfügung, damit diese Validierungsmaterial vorbereiten und einen Teil der Validierungsmessungen übernehmen können.

Kontakt

Brandenburgische Technische Universität (BTU) Cottbus - Senftenberg

Fakultät 2: Umwelt und Naturwissenschaften

Universitätsplatz 1

01968 Senftenberg

Prof. Dr. habil. Peter Schierack

E-Mail: peter.schierack(at)b-tu.de

Dr. Rico Hiemann

E-Mail: rico.hiemann@b-tu.de