Künstliche Intelligenz für maßgeschneiderte Therapien
Tumorerkrankungen des Lymphgewebes sind sehr vielfältig und deshalb schwer zu behandeln. Doch wenn sie genau erkannt und individuell therapiert werden, steigen die Heilungschancen. Künstliche Intelligenz kann dabei helfen.
Bei Tumoren im Lymphgewebe, sogenannten Lymphomen, versagen standardisierte Chemotherapien häufig. Der Grund dafür sind die vielen Unterarten dieser Krebserkrankung. Bei allen kommt es zu einer raschen und unkontrollierten Vermehrung von Zellen des Lymphgewebes. Um ein Lymphom zu diagnostizieren und den Krankheitsverlauf vorherzusagen, gibt es zum einen molekulare Untersuchungen von Zellproben. Zum anderen analysieren Pathologinnen und Pathologen hochaufgelöste Bilder von Gewebeproben der Erkrankten. Künstliche Intelligenz (KI) kann dazu dienen, die Daten beider Untersuchungsmethoden zusammenzubringen, um mehr und spezifischere Informationen zu erhalten.
Lernen und schlussfolgern…
… diesem Ziel widmet sich das interdisziplinäre Team des Forschungsprojekts „FDLP“. Diese Abkürzung steht für „Föderiertes Lernen in der Lymphompathologie“. Zu dem Projekt gehören Fachleute aus der Pathologie und Bioinformatik, der Genetik und Pharmakologie an den Standorten Regensburg, Göttingen, Kiel, Würzburg und Stuttgart. Für ihr gemeinsames Projekt nutzen sie die KI-Methode des maschinellen Lernens. Dafür wird das Computersystem mit großen Datenmengen „gefüttert“ und lernt durch einen Algorithmus, die Daten einzuordnen, zu analysieren und bestimmte Regelmäßigkeiten zu erkennen. Kommen neue Daten hinzu, lernt der Algorithmus wieder und kann dadurch immer genauere Analysen erstellen. Auf diese Weise hilft KI dabei, den jeweiligen Typus des Lymphoms besser zu erkennen.
Das sogenannte föderierte Lernen, eine speziellen Art des maschinellen Lernens, hat dabei den Vorteil, dass die Daten nicht an einem zentralen Ort gespeichert werden. Stattdessen bleiben sie direkt in den Kliniken, wo sie bei Untersuchungen gewonnen werden. Sensible Patientendaten werden so geschützt.
Fehler vermeiden
Das Vorhaben ist allerdings mit einigen Herausforderungen verbunden. Denn die Bilddaten der Gewebeproben, die als Grundlage des föderierten Lernens dienen, haben unterschiedliche Qualität. Das Forschungsteam will deshalb Korrekturmethoden entwickeln, die alle Daten auf das gleiche technische Niveau bringen. Nur dann kann der Algorithmus sie erkennen und genau einordnen. Mit diesen Korrekturmethoden wollen die Forschenden Fehler beim maschinellen Lernen und falsche Schlussfolgerungen der KI vermeiden.
Wenn sie mit ihrem ehrgeizigen Projekt erfolgreich sind, können Patientinnen und Patienten mit Lymphomen künftig auf genauere Diagnosen und individuellere Therapien hoffen. Damit steigt auch die Chance auf Heilung.
