Der Standard

Su­che nach Kat­zen in der Krebs­for­schung

For­scher in Ha­gen­berg ent­wi­ckeln Ar­ti­fi­ci­al-In­tel­li­gence-Sys­te­me, um die Krebs­dia­gnos­tik zu ver­bes­sern. Im Da­ten­heu­hau­fen wird so die Steck­na­del re­le­van­ter Wer­te ge­fun­den.

- Alois Pum­hösel Science · Vienna

Wenn aus em­bryo­na­len Ner­ven­zel­len bei Säug­lin­gen oder Klein­kin­dern Krebs ent­steht, spricht man von Neu­ro­b­last­o­men. Ag­gres­si­ve Va­ri­an­ten – ihr An­teil liegt bei et­wa 60 Pro­zent der er­krank­ten Kin­der – ha­ben oft­mals den Tod zur Fol­ge. Des­halb un­ter­sucht man am St.-An­na-Kin­der­krebs­for­schungs­in­sti­tut in Wi­en die Ent­ste­hung der Neu­ro­b­last­o­me. Wenn man mehr über die Ge­ne­tik der Krebs­zel­len weiß, könn­te das näm­lich zu neu­en Be­hand­lungs­me­tho­den füh­ren.

Bei der Dia­gno­se der Er­kran­kung spielt die Ge­ne­tik der Krebs­zel­len in­klu­si­ve der RNA, die für die Über­tra­gung der Gen­in­for­ma­ti­on zu­stän­dig ist, schon ei­ne gro­ße Rol­le. Im Zu­ge so­ge­nann­ter Li­quid-Bi­op­sies wird Gen­ma­te­ri­al der Tu­mo­ren aus Blut oder Kno­chen­mark ge­won­nen. So will man die Wahr­schein­lich­keit ei­nes Rück­falls schon mög­lichst früh ab­schät­zen.

Bei der­ar­ti­gen An­sät­zen fal­len be­son­ders gro­ße Da­ten­men­gen an. Bio­in­for­ma­ti­sche Me­tho­den und Ar­ti­fi­ci­al In­tel­li­gence (AI) bie­ten sich für die Aus­wer­tung an. Am Bei­spiel des Neu­ro­b­last­oms wer­den am St.-An­na-Kin­der­krebs­for­schungs­in­sti­tut auch Me­tho­den er­forscht, die auf Auf­be­rei­tung, Ana­ly­se und Vi­sua­li­sie­rung der kom­ple­xen Da­ten ab­zie­len. Im Rah­men des For­schungs­pro­jekts Vi­sio­mics, un­ter­stützt durch die För­der­agen­tur FFG, ar­bei­ten die Wis­sen­schaf­ter mit ei­ner Rei­he wei­te­rer For­schungs­in­sti­tu­tio­nen aus dem me­di­zi­ni­schen und in­for­ma­ti­schen Be­reich zu­sam­men.

Da­ten­ber­ge

Am Soft­ware Com­pe­tence Cen­ter Ha­gen­berg (SCCH) sind Bern­hard Mo­ser und sei­ne Kol­le­gen für die Ent­wick­lung der künst­li­chen In­tel­li­gen­zen zu­stän­dig, die sich durch die Da­ten­ber­ge wüh­len sol­len. Bis­her wur­den die Da­ten­sets aus den ge­ne­ti­schen Ana­ly­sen, die aus je­weils et­wa 2,8 Mil­lio­nen Wer­ten be­ste­hen, mit sta­tis­ti­schen Ver­fah­ren auf so­ge­nann­te Bre­ak­points un­ter­sucht, al­so auf Mar­ker, die in die­sem Zu­sam­men­hang auf mög­li­che Rück­fäl­le hin­wei­sen. Die­se Me­tho­de wirft ei­ne Men­ge an Fal­sch­er­ken­nun­gen aus. Bio­lo­gen müs­sen al­le Er­geb­nis­se müh­sam durch­ge­hen, um rich­ti­ge von Schein­tref­fern zu un­ter­schei­den.

Im Zu­ge des Ma­chi­ne-Le­arnin­gAn­sat­zes, der am SCCH ent­wor­fen wur­de, wer­den die Gen­da­ten zu­erst in Aus­schnit­te zu je 40.000 Wer­te auf­ge­teilt, er­klärt Mo­ser. Das Sys­tem wur­de trai­niert, je­ne „Da­ten­fens­ter“mit Bre­ak­point dar­in von je­nen oh­ne zu un­ter­schei­den. Das be­deu­tet aber noch nicht, dass der kon­kre­te Ort in­ner­halb des Fens­ters klar ist. Da­für ha­ben die For­scher ein Sys­tem ent­wi­ckelt, das Mo­ser „Auf­merk­sam­keits­me­cha­nis­mus“nennt. Da­für ha­be man sich von Me­tho­den aus der com­pu­ter­ba­sier­ten Mu­si­ka­na- ly­se in­spi­rie­ren las­sen, die am De­part­ment of Com­pu­ta­tio­nal Per­cep­ti­on der Ke­p­ler-Uni von Witt­gen­stein-Preis­trä­ger Ger­hard Wid­mer mit Hil­fe von Ar­ti­fi­ci­alIn­tel­li­gence-Me­tho­den durch­ge­führt wird, be­rich­tet der For­scher.

Kat­zen­bil­der

Das Er­geb­nis: „Das Sys­tem fin­det die Bre­ak­points, oh­ne dass wir ihm beim Trai­nie­ren zei­gen müs­sen, wo die­se je­weils sind“, er­klärt Mo­ser. „Es fin­det selbst die Grün­de, um sich für die rich­ti­ge Po­si­ti­on zu ent­schei­den.“An­ders er­klärt: „Gin­ge es um Kat­zen­bil­der, müss­te man dem Sys­tem beim Trai­ning nur sa­gen, ob ei­ne Kat­ze drauf ist. Es fin­det dar­auf­hin aber nicht nur selbst Kat­zen­bil­der, son­dern kann auch sa­gen, wo auf dem Bild die Kat­ze ist.“

Wäh­rend die Er­ken­nungs­ra­te kon­ven­tio­nell bei et­wa 40 Pro­zent und bei bis­he­ri­gen Ma­chi­ne-Le­arning-Me­tho­den bei et­wa 75 Pro­zent liegt, konn­ten Mo­ser und Kol- le­gen mit ih­rem An­satz zu­min­dest 85 Pro­zent der Mar­ker er­ken­nen.

Ein wei­te­rer Be­reich, in dem AIMe­tho­den ver­wen­det wer­den, ist das Er­ken­nen und Klas­si­fi­zie­ren von Zel­len auf Mi­kro­sko­p­auf­nah­men – selbst wenn sie et­wa in Klum­pen an­ge­ord­net schwer er­kenn­bar sind. Bei der Ana­ly­se wird dem Sys­tem nur bei ei­ner Sa­che un­ter die Ar­me ge­grif­fen, be­rich­tet Mo­ser: Kon­tur­in­for­ma­tio­nen der Zel­len wer­den vor­de­fi­niert – der Trai­nings­pro­zess wür­de sonst zu lan­ge dau­ern.

Als Ba­sis für die Bild­ana­ly­se die­nen so­wohl Nor­mal- als auch Fluo­res­zenz­bil­der. „Die AI lernt, auf Ba­sis ei­nes Nor­mal­bil­des ein Fluo­res­zens­bild zu si­mu­lie­ren, zu ,faken‘, um dar­aus Er­kennt­nis­se zu ge­win­nen“, ver­an­schau­licht Mo­ser ei­nen Ana­ly­se­schritt. „Ähn­lich wä­re es, dem Sys­tem bei­zu­brin­gen, ein Fo­to­mo­tiv im Stil von van Gogh nach­zu­ma­len – das wür­de dann auch funk­tio­nie­ren.“

 ??  ?? Neu­ro­b­last­om­zel­len un­ter dem Elek­tro­nen­mi­kro­skop: Die Krebs­art, die bei Säug­lin­gen und Klein­kin­dern auf­tritt, en­det oft töd­lich.
Neu­ro­b­last­om­zel­len un­ter dem Elek­tro­nen­mi­kro­skop: Die Krebs­art, die bei Säug­lin­gen und Klein­kin­dern auf­tritt, en­det oft töd­lich.

Newspapers in German

Newspapers from Austria