Mit Künstlicher Intelligenz und Photonik zu präziseren medizinischen Entscheidungen

Welches Antibiotikum ­benötigt eine Patientin mit einer lebensbedrohlichen Infektion? Welche organischen Chemikalien belasten ein Gewässer? Und wie können die Aufnahmen einer Fasersonde so verbessert werden, dass Ärztinnen und Ärzte während einer Operation die Grenzen eines Tumors in Echtzeit klar erkennen? Um diese Fragen zu beantworten, setzen Forschende am Leibniz-IPHT auf eine Kombination aus optischen Methoden und Künstlicher Intelligenz (KI).

Photonische Verfahren analysieren mit Licht biologische Materialien und Prozesse, während KI-Algorithmen helfen, aus den gewonnenen Datenmengen sinnvolle Informationen zu extrahieren. KI steckt etwa hinter der flexiblen Kamerasonde, die während der Operation eine schnelle Tumordiagnostik ermöglicht (die auf Seite 13 in diesem Magazin vorgestellt wird). Dieses miniaturisierte Endoskop liefert hochpräzise Bilder, die es Chirurginnen und Chirurgen künftig erlauben könnten, gesundes von tumorösem Gewebe zu unterscheiden. Die spektroskopischen Daten werden automatisch ausgewertet und in klassische Bilder der Standard-Diagnostik übersetzt, die eine mit High-­End-Mikroskopen vergleichbare ­Auflösung bieten.

Thomas Bocklitz und sein Team der Forschungsabteilung Photonic Data Science haben die Algorithmen, die diese präzise Diagnostik ermöglichen, über Jahre hinweg entwickelt. Ausgangspunkt war ein computergestütztes Verfahren für ein kompaktes Mikroskop zur schnellen Krebsdiagnostik im Projekt Medicars. „Wir haben KI-Algorithmen gemeinsam mit Pathologinnen und Pathologen ­trainiert“, erläutert Thomas Bocklitz. Nach der Aufnahme von multimodalen Bildern einer Gewebeprobe, die dann klassisch gefärbt und von einer Pathologin oder einem Pathologen mit dem Mikroskop untersucht wird, lernt der Algorithmus, gesunde und kranke Bereiche zu unterscheiden. Die Treffsicherheit dieser Methode liegt bei über 90 Prozent.

Vom Pixel-Bild zur ­Detailaufnahme

Die Weiterentwicklung für die Kamerasonde beinhaltete eine besondere Herausforderung: Die Flexibilität der Sonde ermöglicht zwar detaillierte Aufnahmen aus dem Inneren des Körpers, führte aber zunächst zu einer geringen Bildqualität. Um dieses Problem zu lösen, entwickelten Dr. Marko Rodewald und Thomas Bocklitz eine Methode, mit der sich die Bilder so rekonstruieren lassen, dass sie die morpho-chemische Struktur des Gewebes sehr genau darstellen. Diese korrigierten Bilder werden dann in computergenerierte H&E-Bilder umgewandelt, ein Standardverfahren in der Pathologie, das die Gewebestruktur detailliert zeigt.

Ausgezeichnet mit dem ERC Consolidator Grant

Für den Ausbau dieses bahnbrechenden Ansatzes und den Nachweis seiner Machbarkeit erhielt Bocklitz im September 2023 den renommierten ERC Consolidator Grant. Im Projekt STAIN-IT entwickelt das Team eine digitale Färbemethode für die Krebsdiagnostik, die auf multimodalen Bildaufnahmen basiert. Durch den Einsatz von Deep-Learning-Modellen sollen immunhistochemische Färbungen imitiert werden, die normalerweise für Differential-Diagnosen und Therapie-Entscheidungen verwendet werden. STAIN-IT verspricht eine schnelle und kosteneffiziente Alternative zu herkömmlichen Methoden, die direkt in den klinischen Alltag integrierbar ist und klare Einblicke in Gewebeveränderungen bietet.

Mit einer Förderung von rund 2 Millionen Euro unterstreicht der ERC Consolidator Grant nicht nur die wissenschaftliche Exzellenz von Thomas Bocklitz, sondern auch das unterstützende Forschungsumfeld am Leibniz-IPHT, der Friedrich-­Schiller-Universität und dem Universitätsklinikum Jena sowie dem Klinikum Bayreuth und dem Uniklinikum Erlangen. In dem Projekt arbeiten Forschende der Universitätskliniken Jena, Erlangen und Bayreuth unterschiedlicher Fachbereiche zusammen, um die Diagnosesicherheit zu verbessern und neue Einblicke in Krankheitsmechanismen zu gewinnen.

Thomas Bocklitz ist seit 2016 am Leibniz-IPHT und leitet seit 2019 die Forschungsabteilung Photonic Data Science. Im Frühjahr 2023 hatte er einen Ruf der Universität Bayreuth erhalten und angenommen.

Daraufhin wurde in Jena ein eigenes Berufungsverfahren auf den Weg gebracht – mit Erfolg. Ein wesentlicher Faktor für diese Berufung war die enge interdisziplinäre Zusammenarbeit innerhalb des Leibniz-IPHT sowie seines Jenaer Netzwerks in Forschung und Klinik, aus der Bocklitz die experimentellen spektroskopischen Daten für die Entwicklung neuer KI-Methoden schöpft. Mit Beginn des Jahres 2024 hat Thomas Bocklitz eine W3-Professur für Datenwissenschaften in der ­Photonik an der FSU Jena angetreten. „Ich freue mich sehr auf die fruchtbare Zusammenarbeit mit meinem Team und meinem Jenaer ­Kooperationsnetzwerk.“

Original-Publikationen: https://doi.org/10.1364/BOE.477384,

https://doi.org/10.5220/0011889700003411,

https://doi.org/10.1109/CBMS58004.2023.00185,

https://doi.org/10.1016/j.imu.2023.101292