Automatische Zellanalyse mithilfe von Künstlicher Intelligenz

Wissenschaftler haben ein bestehendes, auf Künstlicher Intelligenz (KI) basierendes System für Mikroskopiebilder neu trainiert und zusätzlich eine benutzerfreundliche Software entwickelt.

Um die komplexen Prozesse des Lebens zu verstehen, ist es entscheidend, einzelne Strukturen in Zellen zu erkennen und voneinander zu unterscheiden. Dieser Schritt wird als „Segmentierung“ bezeichnet und ermöglicht es zum Beispiel, die Reaktion von Zellen auf Medikamente zu analysieren. Ein internationales Forschungsteam unter der Leitung der Universität Göttingen hat nun eine weitere Methode entwickelt: Es hat die bestehende KI-basierte Software „Segment Anything“ neu trainiert, sodass das neue Modell – genannt „Segment Anything for Microscopy“ – in der Lage ist, Bilder von Geweben, Zellen und ähnlichen Strukturen in einer Vielzahl von Situationen präzise zu segmentieren. Damit Forschende, Ärztinnen und Ärzte es nutzen können, hat das Team zudem auch „μSAM“ entwickelt, eine benutzerfreundliche Software zur „Segmentierung von allem“ in Mikroskopiebildern. Ihre Arbeit wurde in der Fachzeitschrift Nature Methods veröffentlicht.

Es ist bereits möglich, biologische Strukturen automatisch zu segmentieren. Das Problem bei bisherigen Methoden: Die Anwendung funktioniert nur unter bestimmten Bedingungen und die Anpassung an neue Bedingungen ist sehr aufwendig. Um die bestehende Software zu verbessern, haben die Forschenden das Modell mit einem Mikroskopie-Datensatz von über 17.000 Mikroskopiebildern mit über zwei Millionen von Hand markierten Strukturen neu trainiert. Dadurch verbesserte sich die Leistung des Modells bei der Segmentierung von Zellbestandteilen drastisch. Das Team entwickelte daraufhin die Software μSAM, die es Forschenden und medizinischem Fachpersonal ermöglicht, Bilder zu analysieren, ohne vorher Strukturen manuell zeichnen oder ein spezielles KI-Modell trainieren zu müssen.

„Zellen zu analysieren zählt zu den anspruchsvollsten Aufgaben der Mikroskopie. Der Prozess ist sowohl für die biologische Grundlagenforschung als auch für die medizinische Diagnostik essenziell“, erklärt Prof. Dr. Constantin Pape vom Institut für Informatik der Universität Göttingen. „Meine Forschungsgruppe ist darauf spezialisiert, Methoden zur Automatisierung solcher Aufgaben zu entwickeln. Deshalb fragen uns Forschende oft nach Hilfe. Vor der Entwicklung von Segment Anything for Microscopy mussten wir sie bitten, viele Strukturen zunächst von Hand zu markieren – eine schwierige und zeitaufwändige Aufgabe. μSAM hat dies geändert: Aufgaben, die früher wochenlange, mühsame Handarbeit erforderten, können in wenigen Stunden automatisiert werden. Danach kann das Modell weiter verbessert werden. Das eröffnet viele neue Anwendungsbereiche: Wir haben es bereits in zahlreichen Projekten eingesetzt, die von der grundlegenden Zellbiologie bis hin zur Entwicklung von Methoden für Behandlungsempfehlungen bei Krebstherapien reichen“, so Pape.