Voigt, Benjamin

Arbeitstitel

Künstliche neuronale Netze zur automatisierten Erkennung von Zellen, histologischen Strukturen und Tumoren

Betreuung

PD Dr. med. Frederik Klauschen, Charité - Universitätsmedizin Berlin; Prof. Dr. Peter Hufnagl, HTW Berlin

Abstract

Pathologen und Pathologinnen untersuchen zu diagnostischen Zwecken Gewebeproben unter dem Mikroskop. Die dabei gestellte Diagnose ist entscheidend für die weitere Behandlung eines Patienten. Die große Breite der klinischen Pathologie mit Gewebeuntersuchungen für alle Facharztdisziplinen führt dazu, dass es eine unvermeidbare diagnostische Variabilität gibt. Intra- und Inter-Observer-Studien belegen dies und zeigen, dass sich menschliche Einschätzungen oft stark unterscheiden, wie sie beispielsweise bei der Gradierung der Malignität von Tumoren relevant sind, und daher meist schlecht reproduzierbar sind.

Der Promotion liegt das Bestreben zu Grunde, einen Beitrag zur Qualitäts- und Präzisionssteigerung bei der quantitativen und qualitativen Auswertung von histologischen Schnitten zu leisten und in der Folge Verbesserungen bei der histologischen Diagnostik von Tumoren zu erzielen. Zu diesem Zweck sollen künstliche neuronale Netzwerke entwickelt werden, welche die verschiedenen Gewebestrukturen in histologischen Schnitten segmentieren und klassifizieren. Quantifizierungen, die aktuell durch den Menschen erfolgen, sollen zukünftig automatisiert ablaufen. Ferner soll geprüft werden, ob durch diesen Ansatz ein tieferes Verständnis des Wachstumsprozesses einzelner Tumore möglich wird.

Jüngst wurde in diesem Zusammenhang an der Charité – Universitätsmedizin Berlin gezeigt, dass durch eine Analyse der genetischen Ebene keine zuverlässige Aussage darüber getroffen werden kann, welche phänotypische Ausprägung ein Tumor annehmen wird. Im Gegensatz dazu soll auf Basis einer vollständigen Strukturanalyse auf der morphologischen Ebene geprüft werden, ob mittels eines künstlichen neuronalen Netzwerkes Rückschlüsse auf den genetischen Ursprung eines Tumors möglich werden.