MedizinOnkologieStudien Onkologie
Studien
Als E-Mail versenden...
Auf facebook teilen...
Twittern...
Drucken...

Medizin

Künstliche Intelligenz hilft bei der AML-Diagnose

Freitag, 15. Oktober 2021

Knochenmarkausstrich eines AML-Patienten. Die neu entwickelte Analysesoftware erkennt eine bestimmte genetische Mutation anhand äußerer Zellmerkmale (dunkelgrüne Färbung)./MK1/Uniklinikum Dresden

Dresden – Ein auf Künstlicher Intelligenz (KI) basierendes Computersystem kann zur Erstdiagnose einer akuten myeloischen Leukämie (AML) beitragen. Das berichtet ein Forschungsteam vom Nationalen Centrum für Tumorerkrankungen (NCT/UCC), des Universitätsklinikums Carl Gustav Carus und der Technischen Universität Dresden. Das System erkenne außerdem in den allermeisten Fällen eine für die Erkrankung wichtige Mutation, erläutern die Wissenschaftler im Fachmagazin Leukemia (2021; DOI: 10.1038/s41375-021-01408-w).

Die AML ist die häufigste Form einer schnell fortschreitenden Blutkrebserkrankung in Deutschland. Eine präzise Diagnostik und ein zeitnaher Beginn der bestmöglichen Therapie sind laut der Arbeitsgruppe äußerst wichtig. Einen schnellen Überblick bei Verdacht auf eine AML bietet die Analyse eines Knochenmarkausstrichs.

„Die Bewertung der mikroskopischen Bilder ist jedoch hochkomplex und bislang in hohem Maße von der Erfahrung des jeweiligen Arztes oder der Ärztin abhängig. Unsere Arbeit zeigt, dass KI in der Lage ist, die Experten bei ihrer schwierigen Aufgabe durch einen rein datenbasierten, objektiven Befund zu unter­stützen“, erklärt Martin Bornhäuser, Mitglied im geschäftsführenden Direktorium des NCT/UCC und Direk­tor der Medizinischen Klinik I des Universitätsklinikums Carl Gustav Carus Dresden.

Die Arbeitsgruppe nutzte künstliche neuronale Netze, die als Teilgebiet der KI die Fähigkeit des Men­schen nachahmen, anhand von Beispielen zu lernen. Im vorliegenden Fall lernte das System anhand von digitalisierten Bilddaten von Knochenmarkausstrichen von 1.251 AML-Patienten und 236 gesunden Knochenmarkspendern zunächst Zellen zu erkennen und voneinander abzugrenzen.

Über 90.000 Einzelzellen umrandeten die Forscher händisch als Grundlage für den maschinellen Lern­prozess. Anschließend wurde der Computer darauf trainiert, verschiedene Zelltypen und -eigenschaften zu unterscheiden.

Mittlerweile ist das System laut der Studie in der Lage, den Knochenmarkausstrich eines AML-Patienten mit über 95 % Trennschärfe von der Probe eines gesunden Menschen zu unterscheiden. Es ist zudem in der Lage, anhand äußerer Zellmerkmale eine bestimmte genetische Veränderung – eine Mutation des Gens Nucleosphosmin (NPM1) – mit einer Genauigkeit von über 85 % zu erkennen.

Die bei rund 1/4 der erwachsenen AML-Patientinnen und -Patienten vorliegende Mutation ist mit einer vergleichsweise guten Prognose verbunden und wichtig für die Auswahl der geeigneten Therapie. „Wir konnten zeigen, dass die KI-basierte Analysesoftware für das Erkennen der Mutation bislang unbekannte morphologische Merkmale nutzt, die auch Hinweise auf noch unerforschte Zusammenhänge in der Zellbiologie bieten“, sagte der Co-Projektleiter Jan-Niklas Eckardt.

Um die Softwarelösung nutzen zu können, müssen Ärzte lediglich relevante Bildbereiche aus den Knochenmarkausstrichen auswählen und diese in digitalisierter Form in das System einspeisen. „Alle weiteren Analyseschritte wie die Kategorisierung und das Auszählen von Zellen, die in den vergangenen 50 Jahren per Hand vorgenommen wurden, erfolgen voll automatisch“, erklärt Jan Moritz Middeke, gemeinsam mit Karsten Wendt Leiter der Arbeitsgruppe. © hil/aerzteblatt.de

Liebe Leserinnen und Leser,

diesen Artikel können Sie mit dem kostenfreien „Mein-DÄ-Zugang“ lesen.

Sind Sie schon registriert, geben Sie einfach Ihre Zugangsdaten ein.

Oder registrieren Sie sich kostenfrei, um exklusiv diesen Beitrag aufzurufen.

Loggen Sie sich auf Mein DÄ ein

E-Mail

Passwort


Mit der Registrierung in „Mein-DÄ“ profitieren Sie von folgenden Vorteilen:

Newsletter
Kostenfreie Newsletter mit täglichen Nachrichten aus Medizin und Politik oder aus bestimmten Fachgebieten
cme
Nehmen Sie an der zertifizierten Fortbildung teil
Merkfunktion
Erstellen Sie Merklisten mit Nachrichten, Artikeln und Videos
Kommentarfunktion und Foren
Kommentieren Sie Nachrichten, Artikel und Videos, nehmen Sie an Diskussionen in den Foren teil
Job-Mail
Erhalten Sie zu Ihrer Ärztestellen-Suche passende Jobs per E-Mail.

Kommentare

Die Kommentarfunktion steht zur Zeit nicht zur Verfügung.
LNS
NEWSLETTER