KI verbessert Leukämiediagnostik: Förderpreis für Dresdner Forschende

Die Digitalisierung spielt eine immer wichtigere Rolle in der medizinischen Diagnostik und Therapie. Die Nutzung künstlicher Intelligenz ermöglicht dabei eine präzise Analyse medizinischer Bilddaten und kann zu individuelleren Behandlungsansätzen führen. Vor diesem Hintergrund hat die DGKL den Förderpreis Digitales Labor ins Leben gerufen. In diesem Jahr teilen sich Dr. Jan Middeke und Dr. Jan-Niklas Eckardt den Preis mit Annika Meyer aus Köln, die ebenfalls für ihre Forschung zu KI in der Medizin ausgezeichnet wird. 

Die Forschenden konzentrieren sich auf die akute myeloische Leukämie (AML), eine aggressive Erkrankung des blutbildenden Systems. AML entsteht durch eine unkontrollierte Vermehrung unreifer Zellen, die die gesunden Blutzellen verdrängen. Eine schnelle und präzise Diagnose ist hierbei entscheidend für eine zielgerichtete Therapie. 

Dr. Middeke und Dr. Eckardt arbeiten an KI-gestützten Systemen für eine optimierte Diagnose von Blutkrebs. „Die Beurteilung der Knochenmarksmorphologie ist für die AML-Diagnose entscheidend, leidet aber unter mangelnder Standardisierung“, erläutert Dr. Middeke. „Deep Learning kann dieses Problem angehen, indem es Bilddaten analysiert und präzise Vorhersagen liefert.“ 

In ihrer Studie "Deep learning detects acute myeloid leukemia and predicts NPM1 mutation status from bone marrow smears", veröffentlicht in Leukemia, zeigten die Forschenden, wie KI die Erstuntersuchung der sogenannten Zytomorphologie bei AML unterstützen kann. Die Studie analysierte 1251 AML-Patientinnen und -Patienten und 236 gesunde Kontrollproben. Hierbei wurde ein mehrstufiger Machine-Learning-Workflow entwickelt, der digitale Knochenmarkbilder segmentiert und klassifiziert. Dies ermöglichte die Erkennung von AML-Fällen sowie die präzise Vorhersage des NPM1-Mutationsstatus, der bei etwa einem Drittel der Fälle auftritt. 

"Die Ergebnisse belegen das Potenzial von Deep Learning zur Ableitung morphologischer Merkmale, die den Mutationsstatus vorhersagen können", so Dr. Middeke. Künftige Forschungen werden sich auf weitere klinisch relevante Mutationen konzentrieren. Dafür ist eine enge Zusammenarbeit zwischen medizinischen Fachkräften und Softwareentwicklerinnen und -entwicklern erforderlich, um KI-Modelle zu entwickeln, die sowohl präzise als auch generalisierbar sind. 

Um KI-gestützte Software-Tools für eine schnellere und präzisere Diagnostik zu entwickeln, haben Dr. Middeke, Dr. Eckardt und ein interdisziplinäres Team das Unternehmen Cancilico gegründet. Diese Software soll die Arbeit im Labor erleichtern und die Diagnosestellung bei AML und anderen hämatologischen Erkrankungen beschleunigen. 

MEDICA.de; Quelle: Nationales Centrum für Tumorerkrankungen Dresden (NCT/UCC)