Der Einsatz der Digitalpathologie bzw. Telepathologie gewinnt im Fach Klinische Pathologie und Molekularpathologie zunehmend an Bedeutung. Die Erstellung des digitalen Bildes erfolgt jedoch im Gegensatz zur digitalen Aufnahme, wie in der Radiologie oder Fotografie, in der Nachfolge einer kompletten zytologischen oder histopathologischen Verarbeitung eines Abstrichs, einer Biopsie oder eines Operationspräparates, an deren Ende die Anfertigung eines histologisches Schnittpräparats steht.
Im Unterschied zur konventionellen Diagnostik wird der histologische Schnitt nicht in einem Mikroskop begutachtet, sondern in einem weiteren Arbeitsschritt digitalisiert und erst dann das digitale Bild betrachtet und befundet.
Die Digitalisierung von Schnittpräparaten erlaubt in wissenschaftlichen Aufgabenstellungen die Entwicklung von Algorithmen – z.B. durch automatisierte Erkennung bestimmter Strukturen oder Muster – durch Künstliche Intelligenz (KI) bzw. „Machine learning" aber auch im klinischen Bereich eine rasche und flexible ortsungebundene telepathologische Diagnostik, z.B. im Rahmen klinisch-pathologischer Fallbesprechungen oder Konferenzen.
Es bestehen aber nach wie vor große Herausforderungen, die es in Zukunft zu lösen gilt, wie die Qualitätskontrolle der erzeugten Schnittbilder, da nur eine hohe Qualität der digitalisierten Schnittbilder auch eine hohe Qualität der „Computational Pathology" erlaubt. Daneben sind Fragen zu notwendigen Speicherkapazitäten zu lösen, da das hochqualitative Einscannen von histologischen Schnitten arbeits- und zeitaufwändig und daher personalintensiv ist. Bei hoher Auflösung, um z.B. Details auf subzellulärem Level erkennen zu können, sind oft Bilder mit einer Größe von über 1 GB erforderlich. Diese Datenmengen langfristig zu speichern, erfordert einerseits Kompression mit Verlust der Details oder aber Löschung von Daten, was ultimativ nicht wünschenswert ist.
Hier Maßstäbe zu setzen, wurde Bigpicture, ein pan-europäisches Netzwerk unter Beteiligung der Medizinischen Universtäten in Wien und Graz und gefördert durch die Innovative Health Initiative der EU im Rahmen des Calls 2018 „Central repository of digital pathology slides to support the development of artificial intelligence tools“, gegründet. Ziel des Projekts ist die Entwicklung eines Archivs von 3 Millionen digitalen Schnittbildern, die höchsten Qualitätsstandards entsprechend, datenschutzkonform und nachhaltig für Entwicklungen der Computational Pathology zur Verfügung stehen.
Offene Stellen
Wollen Sie Mitglied des Teams werden?
Wir bieten Positionen (geringfügige Anstellung) für studentische Mitarbeiter:innen im Rahmen des Projekts Bigpicture.
Bei Interesse oder weiteren Fragen wenden Sie sich bitte an christopher.kaltenecker@meduniwien.ac.at und maximilian.koeller@meduniwien.ac.at
Robuste und Akkurate Multi-Tumor, Multi-Spezies, Multi-Labor und Multi-Scanner Mitoseerkennung mittels großer Datensätze und Künstlicher Intelligenz (mu RoMi)
In einem gemeinsam vom Fonds zur Förderung der wissenschaftlichen Forschung (FWF) und Deutsche Forschungsgemeinschaft DFG geförderten Projekt (€ 717.243,00 https://gepris.dfg.de/gepris/projekt/520330054) werden Gewebe aus Mensch und Tier dazu verwendet, ein robustes KI-Modell zu trainieren, welches unabhängig von Spezies, Labor, und Digitialiserungsgerät (Scanner) Zellteilungen (Mitosen) in Tumoren erkennen kann. Hierbei ist es wichtig sowohl die Anzahl der Mitosen als auch deren Verteilung zu bestimmen, weil beides Hinweise auf den Krankheitsverlauf geben und somit die Therapieenscheidung steuern könnte.
Zusammen mit Experten von der Freien Universität Berlin, der Technischen Hochschule Ingolstadt, und der Veterinärmedizinischen Universität Wien wird das Klinische Institut für Pathologie der Medizinischen Universität Wien in den drei Jahren Projektdauer die notwendigen Daten erheben, KI-Modelle trainieren und Daten in anonymisierter Form für die Community zum Training freigeben.
Insgesamt sollen 1560 Tumor-Proben unterschiedlichen Typs von Mensch, Hund, und Katze angefertigt und mit mehreren Scannern digitalisiert werden und von 3 PhD Studenten unterschiedliche Fragestellungen beantwortet werden.
Projektnummer: I 6555
Projektdauer: 01.04.2024 - 31.04.2027
Projektpartner:
- Prof. Dr.-Ing. Marc Aubreville, Ingolstadt, Germany
- Prof. Dr. med. vet. Robert Klopfleisch, Berlin, Germany
- Dr. med. vet. Christof Bertram PhD, Vienna, Austria
- Ing. Christopher Kaltenecker PhD, Vienna, Austria
Links:
Ärztliche Leitung
Univ.-Prof. Dr. Heinz REGELE
E-Mail: heinz.regele@meduniwien.ac.at
Technische Leitung
Ing. Christopher KALTENECKER PhD
Mitarbeiter:innen
Dr. Maximilian KÖLLER
E-Mail: maximilian.koeller@meduniwien.ac.at
» ORCID
Maximilian GLETTHOFER
Christoph Stroblberger BSc
Students
David KREISLER BSc
Med. Informatik / Kernfachkombination
Detection of perivascular infiltrate
Ing. Dr. Andreas TIEFENBACHER BSc
E-Mail: andreas.a.tiefenbacher@meduniwien.ac.at
Med. Informatik / Kernfachkombination
Exploring Self-Organization Phenomena in Spatial Cell Graphs Extracted from Whole Slide Images of Different Lung Cancer Entities
Jun ZHOU BSc
Med. Informatik / Kernfachkombination
Artefact detection on WSIs
Alumni
Dr.in Natasa JEREMIC
E-Mail: natasa.jeremic@meduniwien.ac.at
Development of natural language models
Karyna VOLOBUIEVA BSc
Med. Informatik / Kernfachkombination
UI development
The digital and computational pathology group is funded by bigpictue and its Work Package 3.