Das Verbundprojekt BMDeep beschäftigt sich mit der bildgebenden Diagnostik von Knochenmark-Ausstrichen. In der Krebsforschung können sowohl Veränderungen der Organfunktionen als auch pathologische Prozesse bei Tumoren anhand der Knochenmarks-Morphologie analysiert werden. Die Veränderungen spiegeln sich in quantitativen und qualitativen Effekten wider, die sich jedoch mit dem derzeitig verfolgten, weitgehend analogen Ansatz nur unzureichend erfassen lassen.

Hier setzt BMDeep an: Im Rahmen des Projekts sollen sowohl die Erkennung als auch die Quantifizierung von Knochenmarkzellen und ihren pathologischen Varianten in mikroskopierten Knochenmark-Ausstrichen automatisiert werden. Dies soll mithilfe moderner Methoden der Bildverarbeitung und des maschinellen Lernens umgesetzt werden. Es ist geplant, Knochenmark-Ausstriche von Leukämie-Patientinnen und -Patienten gemäß einem initial entwickelten Protokoll zu annotieren und diese Referenz-Annotationen nachfolgend mit klinischen und Labor-Daten zu verknüpfen. Bislang werden vor allem die mikroskopierten Knochenmarkzellen gezählt und die pathologisch veränderten Zellen erfasst. Durch die zusätzlich gewonnenen Informationen könnten nun auch Bildmuster erkannt werden, die zusammen mit den hinterlegten Daten eine Differentialdiagnose der verschiedenen Leukämie-Subtypen ermöglichen würden. Die dafür notwendigen Deep-Learning-Modelle sollen über sogenannte Convolutional Neural Networks (CNN) erstellt werden. CNN gehören zur Gruppe der künstlichen neuronalen Netzwerke, die äußere Reize – beispielsweise visuelle Bilder – ähnlich wie das menschliche Nervensystem mithilfe von Computeralgorithmen maschinell filtern und verarbeiten können.

Im Erfolgsfall könnte die bislang manuell durchgeführte und dadurch sehr kostenintensive Analyse von Knochenmark-Ausstrichen weitgehend automatisiert und die Qualität der Leukämie-Differentialdiagnose durch die computergestützte Auswertung deutlich verbessert werden.