idw – Informationsdienst Wissenschaft

Nachrichten, Termine, Experten

Grafik: idw-Logo
Science Video Project
idw-Abo

idw-News App:

AppStore

Google Play Store



Instanz:
Teilen: 
09.06.2021 11:00

Mit Deepflash zur Diagnose

Robert Emmerich Presse- und Öffentlichkeitsarbeit
Julius-Maximilians-Universität Würzburg

    Mikroskopische Bilder von Gewebeschnitten lassen sich jetzt viel einfacher auswerten – mit einem innovativen digitalen Tool. Dafür haben zwei Würzburger Forscher gleich drei Preise bekommen.

    Die Informationstechnologie kann das Leben in vielen Bereichen erleichtern – auch in der Forschung. In der Medizin etwa 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.

    „Oft sitzt man stundenlang in einem dunklen Raum und zählt die Zellen auf einem Bild, das mit einem Fluoreszenzmikroskop aufgenommen wurde. Das kostet unglaublich viel wertvolle Zeit“, erzählt Philipp Sodmann, der am Universitätsklinikum Würzburg in der Herzforschung tätig ist.

    Doch jetzt tut sich für die Lebenswissenschaften ein neuer Horizont auf: Das neue digitale Tool deepflash2 erleichtert die Analyse von Mikroskopiebildern ganz wesentlich. deepflash2 ist frei verfügbar und basiert auf Methoden des maschinellen Lernens.

    Jury hebt einen Qualitätsaspekt hervor

    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 entwickelt hat. In diesem Wettbewerb war das Team der beiden Würzburger erfolgreich: Es erhielt im Mai 2021 den mit 10.000 US-Dollar dotierten Innovationspreis und eine Gold-Medaille der Online-Plattform Kaggle.

    Die hochkarätig besetzte Jury mit Fachleuten aus Medizin, Biologie und Künstlicher Intelligenz (KI) bescheinigte deepflash2 eine weitere Qualität: Das Programm erkennt auch Uneindeutiges.

    „In der Biologie ist nicht alles schwarz oder weiß“, erklärt Matthias 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! Eben dies macht das Tool nach Meinung der Jurymitglieder besonders innovativ.

    Frei verfügbar für Forschende

    Noch ist deepflash2 ein Geheimtipp für Forschende, die sich mit der Biobildanalyse befassen. Das grandiose Abschneiden beim Data-Science-Wettbewerb will Matthias Griebel nun aber zum Anlass nehmen, um verstärkt Werbung für sein Werkzeug zu machen.

    Da es sich um ein Open-Source-Tool handelt, können andere Forschende es kostenlos im Browser nutzen oder auf dem eigenen Computer installieren. Inzwischen tüftelt Griebel schon daran, deepflash2 durch die Erkenntnisse aus dem Wettbewerb weiter zu verbessern.

    Zum Tool deepflash2 bei Github: https://matjesg.github.io/deepflash2/

    Anwendbar auch ohne KI-Wissen

    Wirtschaftsinformatiker Griebel macht seine Doktorarbeit bei Professor Christoph Flath. Großen Wert legt er 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.

    Entscheidungen trifft der Mensch

    An Ende bleiben es aber 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.

    Preis für die beste Präsentation

    Für den Data-Science-Wettbewerb von Kaggle waren insgesamt Lösungen von rund 1.200 Teams aus mehr als 50 Ländern eingereicht worden. Matthias Griebel und Philipp Sodmann landeten auf Platz 10.

    „Wobei sich die ersten Plätze in einem Kopf-an-Kopf-Rennen entschieden“, so Griebel. Aufregend war für ihn und seinen Kollegen auch die Präsentation des Projekts vor internationalem Publikum. Dabei sahnten die zwei Würzburger nochmals ab: Sie gewannen auch den Preis für die beste Präsentation, zusätzlich zur Gold-Medaille und zum Innovationspreis.

    Geeignet für verschiedene Krankheitsbilder

    Matthias Griebel möchte nicht im Elfenbeinturm vor sich hinforschen. Ihm ist es wichtig, Tools zu entwickeln, die am Ende den Menschen helfen. Und vielleicht sogar Menschenleben retten.

    Können Mikroskopiebilder schneller und sicherer ausgewertet werden, kann es auch schneller zu einer Diagnose kommen. Und zwar bei ganz verschiedenen Erkrankungen. 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.


    Wissenschaftliche Ansprechpartner:

    Matthias Griebel, Lehrstuhl für Wirtschaftsinformatik und Business Analytics, Universität Würzburg, matthias.griebel@uni-wuerzburg.de


    Weitere Informationen:

    https://matjesg.github.io/deepflash2/ deepflash2 bei Github


    Bilder

    Philipp Sodmann (links) und Matthias Griebel entwickelten ein Deep-Learning-Modell, das mikroskopische Bilder auswerten kann.
    Philipp Sodmann (links) und Matthias Griebel entwickelten ein Deep-Learning-Modell, das mikroskopis ...
    Universität Würzburg
    Universität Würzburg


    Merkmale dieser Pressemitteilung:
    Journalisten, Studierende, Wissenschaftler
    Biologie, Informationstechnik, Medizin, Wirtschaft
    überregional
    Forschungsergebnisse, Personalia
    Deutsch


     

    Philipp Sodmann (links) und Matthias Griebel entwickelten ein Deep-Learning-Modell, das mikroskopische Bilder auswerten kann.


    Zum Download

    x

    Hilfe

    Die Suche / Erweiterte Suche im idw-Archiv
    Verknüpfungen

    Sie können Suchbegriffe mit und, oder und / oder nicht verknüpfen, z. B. Philo nicht logie.

    Klammern

    Verknüpfungen können Sie mit Klammern voneinander trennen, z. B. (Philo nicht logie) oder (Psycho und logie).

    Wortgruppen

    Zusammenhängende Worte werden als Wortgruppe gesucht, wenn Sie sie in Anführungsstriche setzen, z. B. „Bundesrepublik Deutschland“.

    Auswahlkriterien

    Die Erweiterte Suche können Sie auch nutzen, ohne Suchbegriffe einzugeben. Sie orientiert sich dann an den Kriterien, die Sie ausgewählt haben (z. B. nach dem Land oder dem Sachgebiet).

    Haben Sie in einer Kategorie kein Kriterium ausgewählt, wird die gesamte Kategorie durchsucht (z.B. alle Sachgebiete oder alle Länder).