Das Projekt „Neural Networks for Neuropathology“ (N4N) wird vom Institut DigiHealth der Hochschule Neu-Ulm zusammen mit dem Institut für Neuropathologie der Technischen Universität München (TUM) durchgeführt.
Ziel des Vorhabens ist es, pathologische Schnitte von Glioblastomen – den häufigsten bösartigen Gehirntumoren mit einer infausten Prognose1 – mit modernen Machine-Learning-Methoden zu untersuchen. Intraoperativ entnommene Gewebeproben müssen möglichst schnell ausgewertet werden, um dem Operateur Rückmeldung über den Resektionsgrad zu geben. So kann die OP individuell angepasst werden. Die Methode kann hierbei unterstützen. Ein neuronales Netz soll dazu lichtmikroskopische Daten automatisiert vorauswerten, vom Tumor befallene Gewebebereiche markieren und so den Blick des Pathologen direkt auf auffällige Areale in den pathologischen Schnitten lenken. Auf diese Weise kann eine bessere und schnellere Diagnosestellung ermöglicht werden. Im nächsten Schritt wird versucht, anhand der Bilddaten und anderen Metadaten das Überleben der Patienten zu prognostizieren.
Das Institut für Neuropathologie der TUM stellt dafür die notwendigen Bilddaten zur Verfügung. Die einzelnen Bildszenen der pathologischen Schnitte sind jeweils rund 6,5 Gigabyte groß und haben eine Auflösung von 70.000 mal 40.000 Pixeln. Um die Bilddaten effektiv nutzbar zu machen, werden die Bilder zunächst „gelabelt“, im Anschluss trainiert die HNU ein neuronales Netz zur automatisierten Erkennung bösartiger Tumorzellen. Die Ergebnisse stehen dann dem Pathologen zur Auswertung zur Verfügung.
1Das Glioblastoma multiforme (IDH wt.) (lat. für vielgestaltig) ist der häufigste hirneigene bösartige Tumor (WHO Grad IV) des Erwachsenen. Das mediane Überleben beträgt 15 Monate.
Professor Dr. Walter Swoboda
Forschungsprofessor an der Fakultät Gesundheitsmanagement
Leiter des Instituts DigiHealth
Vorsitzender der gemeinsamen Ethikkommission der Bayerischen Hochschulen (GEHBa)