Startseite » Technik » Forschung »

KI hilft in der Medizin, Zelltypen auseinanderzuhalten

Diagnostik
Medizin: Künstliche Intelligenz erkennt Zellen

Künstliche Intelligenz Medizin_Zellsorter.jpg
Mit KI-Unterstützung sollen die Bestandteile der Blutprobe in einem Durchflusszytometer sortiert werden
(Bild: Max-Planck-Institut für die Physik des Lichts)
Anzeige
Eine Kombination aus Bildgebung und künstlicher Intelligenz hilft, Zellen im Dienst der Medizin auch ohne äußerliche Markierung sehr schnell zu identifizieren und zu sortieren. Das haben Forscher am Max-Planck-Institut für die Physik des Lichts und dem Max-Planck-Zentrum für Physik und Medizin in Erlangen gezeigt.

In Medizin und Biologie besteht großes Interesse an effizienten und kostengünstigen Methoden, mit denen sich verschiedene Zelltypen erkennen und trennen lassen. Diese Fähigkeit ist beispielsweise für die medizinische Diagnostik oder für regenerative Therapien mithilfe von Stammzellen gefragt. Bislang wird dazu meist die so genannte Durchflusszytometrie verwendet, bei der Zellen mit fluoreszierenden Antikörpern markiert und beim Durchfluss durch einen Kanal identifiziert werden.

Diese Methode hat jedoch ihre Schwachstellen: Sie ist nicht nur relativ teuer und zeitintensiv, sondern auch die Antikörper selbst sind problematisch. Da sie körperfremd sind, können sie die Eigenschaften der Zellen, an die sie andocken, verändern und etwa bei einer Injektion in den Körper Schwierigkeiten bereiten. Auch ist die Identifikation von Zellen bei der Durchflusszytometrie nicht immer fehlerfrei.

Als zusätzliches Unterscheidungsmerkmal lassen sich deshalb physikalische Eigenschaften der Zellen nutzen: Aufgrund des Zytoskeletts, eines feinen Netzwerks von Filamenten in der Zellstruktur, besitzt jede Zellart charakteristische mechanische Eigenschaften wie etwa Form, Größe und insbesondere die Verformbarkeit.

Inhaltsverzeichnis

1. Zellen für die Medizin unterscheiden und sortieren
2. Künstliche Intelligenz lernt, bestimmte Zellen zu erkennen
3. Methode mit künstlicher Intelligenz kommt ohne Markierung der Zellen aus
4. Künstliche Intelligenz könnte Teil einer Standardmethode für Labors in der Medizin werden

Zellen für die Medizin unterscheiden und sortieren

Das Team um Jochen Guck, Direktor am Max-Planck-Institut für die Physik des Lichts, hat darauf aufbauend vor einigen Jahren eine neue Technik entwickelt: Die Echtzeit-Verformungszytometrie (real-time deformability cytometry, kurz: RT-DC). Dabei wird eine Zelllösung durch einen transparenten Kanal von weniger als dem Durchmesser eines Haares gedrückt. Die Zellen werden dabei unbeschadet in die Länge gezogen und der Grad der Verformung lässt eine Zuordnung zu einem bestimmten Zelltyp zu.

Die Zellen werden dafür mit einer Highspeed-Kamera untersucht, die die verformten Zellen im Kanal mit 2000 bis 4000 Bildern pro Sekunde aufnimmt. Die Zuordnung der Zelltypen erfolgt mit Hilfe der Aufnahmen. Das ist vergleichbar mit Videos, in denen das Platzen eines Luftballons in Zeitlupe beobachtet werden kann.

Die Bilder werden mit einer speziellen Software ausgewertet, die bestimmte, vorher definierte Zelleigenschaften in Echtzeit auswertet. Diese Echtzeit-Auswertung, bei der jede Zelle sofort in dem Moment, in dem sie durch den Kanal fließt, identifiziert wird, ist die Basis für die erste Neuheit. Denn sie ermöglicht es, die Zellen nach der Identifizierung gezielt in einen Sammelkanal abzulenken. So können Zellen jetzt erstmals auch aufgrund ihrer Verformbarkeit sortiert werden.

Künstliche Intelligenz lernt, bestimmte Zellen zu erkennen

Eine weitere Neuheit liegt darin, RT-DC mit künstlicher Intelligenz zu kombinieren: Hunderttausende Bilder von einzelnen Zellen sind eine ideale Basis, um ein neuronales Netzwerk darauf zu trainieren, verschiedene Zelltypen zu erkennen. In bisher nicht erreichter Geschwindigkeit kann der KI-Algorithmus dann Zellen identifizieren und ebenfalls in Echtzeit nach Wunsch sortieren.

Da die Fluoreszenzmoleküle so ausgewählt werden, dass sie nur an bestimmte Zellen andocken, entspricht das Aufleuchten eines Fluoreszenzmoleküls dem Zelltyp und das Foto der Zelle mit all ihren Eigenschaften. So lernt das neuronale Netzwerk, dass ein Aufleuchten mit einem bestimmten Zelltyp verbunden ist und kann eine Verbindung zum dazugehörigen Foto der Zelle herstellen.

Wurde das neuronale Netzwerk durch den Fluoreszenzmarker ausreichend auf einen Zelltyp trainiert, kann der Marker schließlich ganz weggelassen werden und der Zelltyp wird auch ohne Fluoreszenz erkannt.

Methode mit künstlicher Intelligenz kommt ohne Markierung der Zellen aus

Diese neue Methode hat viele Vorteile: So fällt nach dem Training des neuronalen Netzwerks die zeit- und kostenintensive Floureszenz-Markierung zur Identifizierung weg und die Zellen werden nicht mehr durch körperfremde Moleküle verändert. Dann reichen die von der Highspeed-Kamera geschossenen Bilder aus, um die Zellen zu identifizieren.

Dieses Vorgehen ist sehr zellschonend, verändert die Zelleigenschaften nicht und kann bis zu 1000 Zellen pro Sekunde analysieren. Die Anwendung von künstlicher Intelligenz auf RT-DC bietet außerdem die Erleichterung, dass die Parameter, anhand derer die Zellerkennung oder eine Zellveränderung durch beispielsweise Krankheiten festgemacht werden kann, nicht vorher definiert werden müssen. Man kann die KI selbst entscheiden lassen, anhand welcher Bildinformation Zellen am besten unterschieden werden können.

Künstliche Intelligenz könnte Teil einer Standardmethode für Labors in der Medizin werden

Guck nennt die neu entwickelte Methode einen „ultimativen Zellsortierer“: Sie vereint die Genauigkeit der etablierten Erkennung über Fluoreszenz mit der Sensitivität der inhärenten mechanischen Zelleigenschaften und hat das Potenzial, als zukünftige Standardmethode Einzug in alle biologischen und biomedizinschen Labore zu halten.

In Zukunft lassen sich damit beispielsweise schnell, unbeschadet und unverändert blutbildende Stammzellen aus einer Probe gewinnen, die dann einem Chemotherapie-Patienten zum Wiederaufbau des Immunsystems injiziert werden können oder besonders geeignete Photorezeptorzellen aus humanen Organoiden heraussortieren, um damit durch Transplantation manche Formen der Blindheit abzuwenden.


Kontakt zu den Forschern:

Max-Planck-Institut für die Physik des Lichts
Staudtstraße 2
91058 Erlangen
Prof. Dr. Jochen Guck
E-Mail: jochen.guck@mpl.mpg.de

Originalpublikation:

Ahmad Ahsan Nawaz, Marta Urbanska, Maik Herbig, Martin Nötzel, Martin Kräter, Philipp Rosendahl, Christoph Herold, Nicole Toepfner, Markéta Kubánková, Ruchi Goswami, Shada Abuhattum, Felix Reichel, Paul Müller, Anna Taubenberger, Salvatore Girardo, Angela Jacobi, Jochen Guck, „Intelligent image-based deformation-assisted cell sorting with molecular specificity“, Nature Methods.


Mehr zum Thema Digitalisierung

Anzeige
Aktuelle Ausgabe
Titelbild medizin technik 3
Ausgabe
3.2020
LESEN
ABO
Titelthema: Frugale Medizintechnik

Frugale Produktentwicklung in der Medizintechnik neu gedacht

Newsletter

Jetzt unseren Newsletter abonnieren

Alle Webinare & Webcasts

Webinare aller unserer Industrieseiten

Aktuelles Webinar

Multiphysik-Simulation

Medizintechnik: Multiphysik-Simulation

Whitepaper

Whitepaper aller unserer Industrieseiten

Kalender

Termine für die Medizintechnik-Branche

Anzeige
Anzeige

Industrie.de Infoservice
Vielen Dank für Ihre Bestellung!
Sie erhalten in Kürze eine Bestätigung per E-Mail.
Von Ihnen ausgesucht:
Weitere Informationen gewünscht?
Einfach neue Dokumente auswählen
und zuletzt Adresse eingeben.
Wie funktioniert der Industrie.de Infoservice?
Zur Hilfeseite »
Ihre Adresse:














Die Konradin Verlag Robert Kohlhammer GmbH erhebt, verarbeitet und nutzt die Daten, die der Nutzer bei der Registrierung zum Industrie.de Infoservice freiwillig zur Verfügung stellt, zum Zwecke der Erfüllung dieses Nutzungsverhältnisses. Der Nutzer erhält damit Zugang zu den Dokumenten des Industrie.de Infoservice.
AGB
datenschutz-online@konradin.de