Forschungsprojekte

SFF Projekt PathoSlideReg (30.06.25 bis 30.06.27)

Motivation: Im Bereich der digitalen Bildverarbeitung in der Pathologie existieren derzeit nur Verfahren zur Bildregistrierung, die keine zuverlässige Überlagerung mehrerer Slides mit unterschiedl. Färbungen ermöglichen, insb. nicht bei Artefakten oder variablen Bildinhalten. Es soll eine überlagerungsfähige Transformation ermöglicht werden, die eine synchrone Navigation zw. entsprechenden Geweberegionen über mehrere Färbungen (Ziel: 5 versch.) hinweg erlaubt.

Ziele und Vorgehen: Ziel ist daher die Entw. eines mehrstufigen algorithm. Verfahrens zur vollautomatisierten Registrierung digitalisierter histologischer Gewebeschnitte (digitale Objektträgeraufnahmen/Slides im DICOM; Whole Slide Imaging-Format) mit extrem hoher Auflösung durch Mikroskopie u. unterschiedl. Färbungen. Angestrebter Ansatz besteht in der Kombi. einer mehrskaligen (multiresolutionären) und lokalbereichsbasierten (patch-basierten) Bildregistrierung. Ergänzend soll ein vorgeschalteter Verarbeitungsschritt zur Intensitätsnormalisierung untersucht werden, um bildtechn. bedingte Helligkeitsschwankungen zu reduzieren. Neuartiger Ansatz ist dabei die Kombination einer (ggf. auch segmentierungsbasierten) Vorverarbeitung und adaptiven Registrierungsstrategien zur geometrischen Korrelation inhaltlich divergenter histologischer Bilddaten. Darauf aufbauend wird eine Vorverarbeitungskette entw., bestehend aus Gewebesegmentierung und Intensitätsnormalisierung. Anschließend werden versch. Registrierungsansätze untersucht und implementiert, darunter intensitätsbasierte Verfahren (z. B. SSD, NCC, MI) sowie merkmalsbasierte Verfahren (z. B. SIFT, SURF).

SFF Projekt KIbERI (02.01.25 bis 31.12.27)

Motivation: Aktuell müssen Radiologen unstrukturierte, lange Freitexte manuell analysieren, um wichtige Informationen herauszufiltern und fundierte Entscheidungen zu treffen. Dieser Prozess ist sowohl zeitaufwendig, als auch fehleranfällig, insbesondere unter Zeitdruck. Radiologie-Informationssysteme im Stand der Technik ermöglichen lediglich eine einfache Verwaltung und den Zugriff auf Daten, bieten jedoch keine effektive Unterstützung für die Entscheidungsfindung.

Ziele und Vorgehen: Im Projekt soll die Forschungsfrage untersucht werden, ob durch die erstmalige Kombination eines Large-Language-Models (LLM) und Case-Based Reasoning (CBR) Arbeitsabläufe in der Radiologie automatisiert werden können, indem präzise Vorschläge für rechtfertigende Indikationen generiert werden. Ziel ist eine KI-gestützte Entscheidungshilfe, die Freitextdaten, klinische Rahmenparameter und medizinische Bedingungen bzw. Vorbefunde integriert und den Ärzten exakte Untersuchungsvorschläge unterbreitet. Das LLM soll mit einer Transformer-Architektur, z. B. BERT, BERTopic, entwickelt werden. Der CBR-Ansatz soll dies durch Ähnlichkeitsanalysen ergänzen. Die Ansätze sollen in einem Ensemble-Modell kombiniert werden, um präzise Untersuchungsvorschläge mit einer angestrebten Zielgenauigkeit von mindestens 80 % zu generieren.
Es werden LLMs wie BERT, T5 und BLOOM sowie Case-Based-Reasoning-Algorithmen wie k-Nearest-Neighbor (k-NN) und Deep Similarity Learning untersucht. Das System soll mehrdimensionale Entscheidungsbäume, z. B. mittels CART oder LightGBM, integrieren. So sollen auch z. B. Laborwerte verglichen werden, um automatische Warnhinweise bei klin. Grenzwerten auszulösen.

SFF Projekt Automatische Registrierung von Voraufnahmen (01.05.24 bis 31.12.26)

Motivation: In der medizinischen Bildanalyse der Radiologie müssen CT sowie MRT zur Analyse und Diagnosestellung für Patienten manuell synchronisiert werden. Dies ist zeitintensiv und fehleranfällig. Ziel des Projektes ist die Entwicklung eines Systems zur automatisierten Registrierung von Voraufnahmen und zur Synchronisation bildgebender Verfahren in der Radiologie, um die Effizienz der Arbeitsprozesse und die Präzision zu steigern.

Ziele und Vorgehen: Kern des Projektes ist die erstmalige Kombi. der Analyse anatomischer Gegebenheiten zur automatischen Synchronisation von Bildern verschiedener Modalitäten (CT und MRT) und von Aufnahmen aus verschiedenen Zeiträumen. Hierfür sollen Bildverarbeitungsalgorithmen und/oder Koordinatensysteme zur Mustererkennung und Quantifizierung von Landmarken erforscht und entwickelt werden. Dies umfasst die Herausforderung, die verschiedenen Skalierungen, Orientierungen und qualitativen Unterschiede, z. B. durch Patientenbewegung der Bilder bzw. DICOM-Geometrien, zu kompensieren.

Verbundprojekt TEAM (01.11.21 bis Ende 30.04.26)

Motivation: Die infektiöse Endokarditis ist eine lebensbedrohliche Biofilminfektion der Herzinnenhäute einschließlich der Herzklappen. Eine zeitnahe und präzise Erregerdiagnostik ist oft lebensrettend. Die Antibiotikatherapie wird allerdings bislang lediglich hinsichtlich der Erregerspezies und Resistenz angepasst. Damit wird sie insbesondere Biofilm-assoziierten Infektionen nicht gerecht, da Antibiotika hier oft versagen. Das führt zu einer Therapie „auf Verdacht“, deren Erfolg häufig beschränkt ist. Im Projekt TEAM sollen mit der photonischen Methode der „Fluoreszenz in situ Hybridisierung“ (FISH) die Grundlagen für eine angepasste Therapie geschaffen werden. Mit Hilfe der FISH kann man Bakterien im Gewebsschnitt sichtbar machen, identifizieren, ihre Anzahl und Aktivität bestimmen sowie feststellen, ob sie einen Biofilm bilden.

Ziele und Vorgehen: Ziel des Verbundprojekts TEAM ist es, die Infektion nicht nur schnell und sicher zu erkennen, sondern durch die FISH den Schweregrad der Infektion und den Therapieerfolg messbar zu machen. Hierfür soll ein „Biofilm- Classifier“ entwickelt werden mit:

• innovativer PNA-FISH für höhere Empfindlichkeitund verbesserte Aktivitätsmessungen,
• automatisierter Bildaufnahme und Bildanalyse,
• intelligentem Bilddaten-Archiv und
• objektivem Biofilm-Staging mit Hilfe von künstlicherIntelligenz.

In einer begleitenden klinischen Studie werden die Ergebnisse der Bildanalyse mit den klinischen Daten und der Antibiotikatherapie korreliert.

Innovation und Perspektiven: Ziel von TEAM ist es, auf Grundlage des „Biofilm-Classifiers“ eine Risikostratifizierung der Patienten vorzunehmen und neue therapeutische Algorithmen zu ermöglich. So soll in Zukunft mit Hilfe der FISH die Dosis, Dauer und Auswahl der Antibiotika-Therapie gezielt und somit personalisiert gesteuert werden.

Projektpartner: NEXUS / CHILI GmbH, NEXUS E&L GmbH, NEXUS / CIS GmbH, Malteser Waldkrankenhaus St. Marien, Fraunhofer-Institut für Integrierte Schaltungen IIS

Verbundprojekt FIELD (01.10.21 bis 31.03.26)

Motivation: In Ausbruchssituationen schnelle und sensitive Diagnostik vor Ort: Schnelle, sensitive und spezifische Diagnostik von mikrobiologischen Erregern ist für den Schutz der Bevölkerung essentiell. Für eine Diagnostik von Infektionserregern unter limitierten Bedingungen ‚im Feld‘, also nicht unter Laborbedingungen, bietet sich die photonische Fluoreszenz in situ Hybridisierung (FISH) an. Die FISH macht Mikroorganismen mikroskopisch sichtbar, ist schnell und spezifisch und benötigt keine empfindlichen Enzyme oder räumlichen Voraussetzungen.

Ziele und Vorgehen: Ziel von FIELD ist die schnelle und spezifische Identifikation von Mikroorganismen durch die photonische FISH unter Feldbedingungen: Das innovative Ziel dieses Projektes ist es, die FISH-Methodik Feld-fähig zu machen. Dafür müssen geeignete lagerungs- und transportstabile FISH-Sonden, ein Labor-Guidancesystem und ein digitales Bilddokumentationssystem erforscht werden. Für die Auswertung der FISH fehlt bisher ein robustes Mikroskop, das auch im Feld zuverlässig und hochauflösend FISH-Bilder erstellen, dokumentieren und auswerten kann.

Innovation und Perspektiven: Tuberkulose – eine weltweit präsente Infektionskrankheit: Der in diesem Vorhaben geplante Feld-FISH-Demonstrator soll erstmals am Beispiel der Tuberkulose Diagnostik im Feld ermöglichen. Im Rahmen einer klinischen Studie und von Praxistests unter Feldbedingungen werden klinische Proben von Patienten mit Verdacht auf Tuberkulose untersucht. Diese innovative Feld-FISH kann nicht nur im Krisenfall in Deutschland schnell und zuverlässig Infektionsdiagnostik zum Schutz der Bevölkerung durchführen, sondern auch durch ihre Mobilität und den Telemedizin-Ansatz weltweit in Ländern ohne große Laborkapazitäten eingesetzt werden.

Projektpartner: NEXUS / CHILI GmbH, HB Technologies AG, Institut für Mikrobiologie der Bundeswehr, Charité - Universitätsmedizin Berlin, MoKi Analytics GmbH