KI-Tool übertrifft bisherige Methoden der Darmkrebs-Gewebeanalyse

von | Feb. 28, 2025 | Gesundheit, Nicht kategorisiert

Forschende der Universität Jyväskylä haben ein neues KI-basiertes Instrument zur Erkennung von Darmkrebs anhand von Gewebeproben entwickelt. Das neue Modell eines künstlichen neuronalen Netzes hat alle seine Vorgänger in der Klassifizierungsleistung übertroffen. Das Tool ist frei verfügbar.

Forscher der Universität Jyväskylä haben in Zusammenarbeit mit dem Institut für Biomedizin der Universität Turku, der Universität Helsinki und dem Nova Hospital of Central Finland ein fortschrittliches Werkzeug der künstlichen Intelligenz für die automatische Analyse von Gewebeschnitten von Darmkrebs entwickelt. Das in der Studie entwickelte neuronale Netzwerkmodell übertraf alle bisherigen Modelle bei der Klassifizierung von mikroskopischen Gewebeproben.

Die Quadrate sind repräsentative Teilbilder aus den Krebsmikroskopie-Objektträgern, die das KI-System automatisch nach ihrer Ähnlichkeit geordnet hat. Bild: University of Jyväskylä.
Die Quadrate sind repräsentative Teilbilder aus den Krebsmikroskopie-Objektträgern, die das KI-System automatisch nach ihrer Ähnlichkeit geordnet hat. Bild: University of Jyväskylä.

„Basierend auf unserer Studie ist das entwickelte Modell in der Lage, alle für die Krebserkennung relevanten Gewebekategorien mit einer Genauigkeit von 96.74%“, sagt Fabi Prezja, die für die Entwicklung der Methode verantwortliche Forscherin.

In der Praxis bedeutet die Gewebeanalyse, dass ein Pathologe die gescannten digitalen Mikroskopie-Objektträger, die von der Darmprobe des Patienten angefertigt wurden, durchschaut und beispielsweise Punkt für Punkt markiert, wo das krebsartige und verwandte Gewebe sichtbar ist.

Das in dieser Studie entwickelte Tool könnte den Ärzten Zeit sparen, indem es diesen Prozess automatisiert. Das Tool analysiert eine Probe und hebt Bereiche hervor, die verschiedene Gewebekategorien enthalten. Die Genauigkeit des Tools hat das Potenzial, die Arbeitsbelastung von Histopathologen erheblich zu verringern, was zu schnelleren Diagnosen, Prognosen und klinischen Erkenntnissen führen könnte.

Original Paper:

Prezja, F., Annala, L., Kiiskinen, S., Lahtinen, S., Ojala, T., Ruusuvuori, P., & Kuopio, T. (2024). Improving performance in colorectal cancer histology decomposition using deep and ensemble machine learning. Heliyon, 10(18). DOI: https://doi.org/10.1016/j.heliyon.2024.e37561

Lesen Sie auch:

Bioprinting: Gewebe auf Knopfdruck rückt näher – MedLabPortal

Mikroplastik im Hodengewebe von Hunden und Menschen nachgewiesen – MedLabPortal


Redaktion: X-Press Journalistenbüro GbR

Gender-Hinweis. Die in diesem Text verwendeten Personenbezeichnungen beziehen sich immer gleichermaßen auf weibliche, männliche und diverse Personen. Auf eine Doppel/Dreifachnennung und gegenderte Bezeichnungen wird zugunsten einer besseren Lesbarkeit verzichtet.