
Tiefe neuronale Netze für molekular interpretierbare und markerfreie digitale Pathologie an Gewebedünnschnitten
Ziel
Hinweis: Dieses Projekt ist abgeschlossen.
Das Einzelprojekt Slide2Mol beschäftigt sich mit dem Thema der markerfreien digitalen Pathologie. In der Vergangenheit konnte gezeigt werden, dass Tumore in Infrarot-mikroskopischen Gewebebildern anhand von maschinellem Lernen identifiziert werden können. Aktuelle Ansätze zur Lokalisierung von Krankheitsmustern in der digitalen Pathologie können bislang jedoch nur die zu untersuchende Geweberegion orten.
Hier setzt Slide2Mol an: Durch die im vorliegenden Projekt geplanten Ansätze soll die Lokalisierung von Gewebeveränderungen bis zur Ebene von Zellen und Pixeln weitergetrieben werden. Ziel des Projektes ist es, die Analyse- und Anwendungsmöglichkeiten digitaler Pathologie an Gewebeschnitten so zu verbessern, dass diese Technik künftig bei der Bestimmung von krebsbedingten Gewebeveränderungen mit höchster Auflösung, verlässlich und automatisiert eingesetzt werden kann. Es ist außerdem geplant, am Beispiel sogenannter kolorektaler Karzinome molekulare BiomarkerBiomarker bezeichnen Merkmale, die objektiv messbar sind und als Referenz für Prozesse und Krankheitszustände im menschlichen oder tierischen System verwendet werden können. Exemplarisch kann dies ein Indikator für eine pharmakologische Reaktion auf eine therapeutische Intervention sei.zum Glossar auf Gewebeschnitten per Infrarot-Mikroskopie zu bestimmen. Der große Vorteil der Infrarot-Analyse von Gewebeschnitten besteht darin, dass damit markerfrei gearbeitet werden kann. Das Gewebe bleibt ungefärbt und somit weitestgehend unverändert und steht so für weitere molekulare Analysen zur Verfügung.
Im Erfolgsfall ließe sich die etablierte Methodik nach Überführung in die klinische Routine nutzen, um Tumore einer einzelnen Patientin bzw. eines einzelnen Patienten besser zu beschreiben und aus den jeweiligen Ergebnissen weitere notwendige Analysen und Therapieoptionen individuell passend abzuleiten.
Das Einzelprojekt Slide2Mol beschäftigt sich mit dem Thema der markerfreien digitalen Pathologie. In der Vergangenheit konnte gezeigt werden, dass Tumore in Infrarot-mikroskopischen Gewebebildern anhand von maschinellem Lernen identifiziert werden können. Aktuelle Ansätze zur Lokalisierung von Krankheitsmustern in der digitalen Pathologie können bislang jedoch nur die zu untersuchende Geweberegion orten.
Hier setzt Slide2Mol an: Durch die im vorliegenden Projekt geplanten Ansätze soll die Lokalisierung von Gewebeveränderungen bis zur Ebene von Zellen und Pixeln weitergetrieben werden. Ziel des Projektes ist es, die Analyse- und Anwendungsmöglichkeiten digitaler Pathologie an Gewebeschnitten so zu verbessern, dass diese Technik künftig bei der Bestimmung von krebsbedingten Gewebeveränderungen mit höchster Auflösung, verlässlich und automatisiert eingesetzt werden kann. Es ist außerdem geplant, am Beispiel sogenannter kolorektaler Karzinome molekulare BiomarkerBiomarker bezeichnen Merkmale, die objektiv messbar sind und als Referenz für Prozesse und Krankheitszustände im menschlichen oder tierischen System verwendet werden können. Exemplarisch kann dies ein Indikator für eine pharmakologische Reaktion auf eine therapeutische Intervention sei.zum Glossar auf Gewebeschnitten per Infrarot-Mikroskopie zu bestimmen. Der große Vorteil der Infrarot-Analyse von Gewebeschnitten besteht darin, dass damit markerfrei gearbeitet werden kann. Das Gewebe bleibt ungefärbt und somit weitestgehend unverändert und steht so für weitere molekulare Analysen zur Verfügung.
Im Erfolgsfall ließe sich die etablierte Methodik nach Überführung in die klinische Routine nutzen, um Tumore einer einzelnen Patientin bzw. eines einzelnen Patienten besser zu beschreiben und aus den jeweiligen Ergebnissen weitere notwendige Analysen und Therapieoptionen individuell passend abzuleiten.
Beteiligte
Ruhr-Universität Bochum – Fakultät für Biologie und Biotechnologie – Arbeitsgruppe Bioinformatik
Förderung
Das Projekt wird durch das Bundesministerium für Bildung und Forschung (BMBF) gefördert.
Laufzeit
2021 - 2024
Kontakt
Projektleitung Prof. Dr. Axel Mosig
axel.mosig@bph.rub.de
axel.mosig@bph.rub.de
Kontakt
E-Mail:
atlas-itg@uni-wh.deLehrstuhl für Management und
Innovation im Gesundheitswesen
Innovation im Gesundheitswesen
Universität Witten/Herdecke
Alfred-Herrhausen-Straße 50
58448 Witten, Deutschland
Alfred-Herrhausen-Straße 50
58448 Witten, Deutschland

