Projektbeschreibung
Künstliche Intelligenz verbessert Interpretation digitaler Befunde
Jedes Jahr sind Millionen von Erwachsenen und Kindern von hämatologischen Malignomen wie Leukämie und Lymphome betroffen, oft mit tödlichen Folgen. Die Diagnose stützt sich auf zelluläre Anomalien und zytologisches Fachpersonal ist speziell dafür ausgebildet, Krankheiten aus der Einzelzellzusammensetzung von Blut, Knochenmark und lymphatischen Geweben zu erkennen. Nach 150 Jahren Erforschung der Blutkrankheiten verlassen sich die Klinikerinnen und Kliniker bei der Interpretation der histopathologischen Befunde immer noch auf ihre Augen. Im EU-finanzierten Projekt CompHematoPathology werden die Möglichkeiten der künstlichen Intelligenz und der mathematischen Modellierung in die Diagnose hämatologischer Malignome einbezogen. Mit diesen Werkzeugen und fachkundig kommentierten Bilddaten plant CompHematoPathology die Entwicklung eines datengesteuerten Modells zur Vorhersage der Blutdynamik bei gesunden und kranken Personen. Dies verspricht einen höheren Durchsatz, bessere Diagnosen und letztlich eine bessere Behandlung der Patientinnen und Patienten mit hämatologischen Malignomen.
Ziel
Identifying hematologic malignancies still relies on the time-consuming and subjective visual assessment of images. Every day, cytologists and pathologists are confronted with rare diagnostic cells, ever-increasing image data, and heterogeneous disease manifestations. Although we understand blood better than any other human tissue, we are unable to quantitatively predict a patient’s blood dynamics from a measurement. Diagnosis thus depends on rough staging schemes and the expertise and intuition of the clinician.
In my proposal, I address these challenges by establishing computational hematopathology, a combination of artificial intelligence algorithms and mathematical models that will boost the currently prevailing manual assessment. Based on my experience in using these methods for scrutinizing stem cell differentiation I will combine the power of deep learning and mathematical modeling with digitized and expertly annotated image data. My unique approach enables me to design and parametrize a data-driven model to predict hematopoietic dynamics in health and disease. Since the interpretation of digitized slides is becoming the clinical standard, novel algorithms for standardized disease classification and improved diagnosis are critically needed now.
This interdisciplinary project merges methods from digital pathology, machine learning, image processing, and mathematical modeling. ComHematoPathology will provide novel approaches and software tools for automated classification of hematopathology image data, allowing for reproducible and precise diagnosis at an unprecedented level. This will increase throughput and standardize the diagnosis of blood diseases and will thus improve the treatment of patients suffering from hematologic malignancies.
Wissenschaftliches Gebiet
- medical and health sciencesmedical biotechnologycells technologiesstem cells
- medical and health sciencesbasic medicinepathology
- medical and health sciencesclinical medicinehematology
- natural sciencescomputer and information sciencesartificial intelligencemachine learningdeep learning
- natural sciencesmathematicsapplied mathematicsmathematical model
Programm/Programme
Thema/Themen
Finanzierungsplan
ERC-COG - Consolidator GrantGastgebende Einrichtung
85764 Neuherberg
Deutschland