Seiteninterne Suche

Projekte

BMDeep

Comprehensive bone marrow analysis integrating deep learning-based pattern discovery

Die Morphologie des Knochenmarks bildet die Grundlage für die Beurteilung der Hämatopoese und vieler Systemerkrankungen. In der Krebsforschung können sowohl Veränderungen der Organfunktionen als auch pathologische Prozesse bei Neoplasien anhand der Knochenmarksmorphologie analysiert werden. Die Veränderungen spiegeln sich in quantitativen und qualitativen Effekten wider, die mit dem derzeitigen, weitgehend analogen Ansatz nur unzureichend erfasst werden können. Die große Anzahl von Ausstrichen, die im Rahmen von Forschungsfragen und Routinediagnostik angefertigt werden, steht im Gegensatz zu beispielsweise vergleichbar wertvollen Omics-Datensätzen derzeit nicht in geeigneten Datenbanken zur weiteren Nutzung zur Verfügung. Angesichts der invasiven Probenentnahme und der schwerwiegenden Folgen im Falle pathologischer Befunde besteht ein großer Bedarf an verbesserter Datenerfassung und Unterstützung der medizinischen Entscheidungsfindung.

In BMDeep kombinieren wir Expertise aus Klinik, Bioinformatik und KI und nutzen moderne Methoden der Bildverarbeitung, des maschinellen Lernens und Forschungs-Datenmanagements. Wir werden ein Deep-Learning-System zur Automatisierung und Verbesserung der Auswertung von Knochenmark-Ausstrichen und zum Auffinden charakteristischer (pathologischer) Muster bei Krebserkrankungen etnwickeln. Dazu werden wir morphologische Daten mit klinischen und experimentellen Daten für eine hochdimensionale Mustererkennung zusammenführen. Die Bilddaten des Knochenmarks werden durch klinische Variablen und Blutbilddaten ergänzt. So kann der jeweilige Beitrag der verschiedenen Datenquellen untersucht werden und die wichtigsten Merkmale zu einem finalen Modell zusammenführt werden. Damit können wiederum die Identifizierung neuer Biomarker aus integrierten Datenquellen und somit das Krankheitsverständnis verbessert werden. Darüber hinaus werden wir eine integrierte Forschungsplattform in Übereinstimmung mit den FAIR-Prinzipien (Findable, Accessible, Interoperable, Reusable) etablieren, welche die gewonnenen Ergebnisse und Modelle des Projektes für eine nachhaltige Forschung verfügbar gemacht.

Informationen

Laufzeit: 02/2021 – 01/2024

Fördergeber: BMBF, Fördermaßnahme “Computational Life Sciences”, KI-Methoden für  der Krebsforschung

 

Partner

Universitätsklinikum Erlangen (Prof. Dr. med. Markus Metzler; Kinder- und Jugendklinik, Abteilung: Pädiatrische Kinderonkologie und Hämatologie)

Fraunhofer-Institut für Digitale Medizin MEVIS Bremen (Prof. Dr.-Ing. Horst Hahn)