Das Auszählen der KI überlassen

Sie beschäftigen sich mit einer seltenen Krebserkrankung bei Kindern, dem Neuroblastom. Bei der Diagnose spielen Biomarker namens ALT eine Rolle. Worum handelt es sich dabei?

Sabine Taschner-Mandl: Wenn sich Zellen teilen, führt es dazu, dass sie altern und sterben. Krebszellen haben verschiedene Mechanismen gefunden, die Biologie auszutricksen. Einer davon ist ALT, kurz für Alternative Lengthening of Telomeres. Hier können sich Zellen unendlich teilen und überleben, indem sie die Enden ihrer Chromosomen verlängern. 
 

Ist ALT nur beim Neuroblastom vorhanden?

Sabine Taschner-Mandl: ALT tritt auch bei anderen Krebserkrankungen auf – vor allem bei bestimmten Gehirntumoren. Da wir aber ein Institut sind, das sich mit Krebserkrankungen bei Kindern beschäftigt, steht bei uns die Erforschung des Neuroblastoms im Mittelpunkt.
 

Wie wird das Vorhandensein von ALT festgestellt?

Sabine Taschner-Mandl: Ist ALT vorhanden, ist eine präzise Diagnostik eines Neuroblastoms möglich. Bisher wurde diese sozusagen zu Fuß gemacht. Es wird von Kindern mit Verdacht auf Neuroblastom eine Tumorbiopsie entnommen, aus der dünne Schnitte angefertigt werden. Färbt man den Zellkern, der im Zentrum jeder Zelle sitzt, an, so können ALT sichtbar gemacht werden. Jetzt muss ich nochmals auf die Telomere, also die Enden der Chromosomen, zurückkommen. Der ALT-Mechanismus hat eine Besonderheit: Manche Chromosomen haben sehr kurze Enden, andere hingegen sehr lange. Diese Varianz führt dazu, dass man im Mikroskop im Zellkern für jedes der 46 Chromosomen einen Punkt sieht. Dieser kann entweder winzig klein sein oder sehr groß. Die großen Punkte, wir nennen sie Ultra Bright Spots, findet man nur in wenigen Zellen. Man kann sich das vorstellen wie einen Raum, in dem lauter Glühbirnen unterschiedlicher Größe von der Decke hängen – und wenn Sie nun feststellen müssten, welche kleiner oder größer sind, ist das ähnlich, wie wenn man in ein Mikroskop schaut. Man erblickt Tausende von Zellen und soll beurteilen, ob es Ultra Bright Spots gibt oder nicht. Das ist eine langwierige, ermüdende und schwierige Arbeit. In der Diagnostik müssen zwei Personen die Proben beurteilen und 200 Zellen auszählen, damit festgestellt werden kann, ob ALT vorhanden ist.

Sie setzen künstliche Intelligenz ein?

Sabine Taschner-Mandl: Wir wollten eine Methode entwickeln, wie das Zählen der Zellen automatisiert werden kann. Dafür bietet sich KI an, denn sie kann in einer wesentlich kürzeren Zeit nicht nur 200, sondern 10.000 Zellen, wenn ich Bilder davon habe, zählen. Natürlich ist es nötig, dass die KI weiß, wie die sogenannte Ground Truth aussieht – es muss ihr zunächst einmal ein Mensch beibringen, wie Zellen von Patient*innen aussehen, bei denen ALT festgestellt wurde. Dafür haben wir sie auf Daten aus unserer hausinternen Diagnostik sowie unserer Forschung trainiert. Die Idee unseres vom Wiener Wissenschafts-, Forschungs- und Technologiefonds (WWTF) geförderten Projekts ist, eine Software zu entwickeln, die auf diesen KI-trainierten Modellen fußt und den Diagnostiker*innen im Labor hilft, Daten zu interpretieren. Es ist sehr wichtig, zu betonen, dass niemals ein Befund rausgegeben wird, der nur auf KI basiert. Es wird immer Expert*innen geben, die diese Vorschläge noch einmal überprüfen. Aber KI macht den ganzen Prozess schneller und objektiver.  
 

Wo stehen Sie mit dem Projekt?

Sabine Taschner-Mandl: Wir haben einen Prototyp entwickelt, den wir mit Patient*innenproben getestet haben. Die Ergebnisse haben wir mit denen der Expert*innen in den Labors verglichen. Es gab nur ein Mal eine Diskrepanz – und diese betraf nicht die Diagnose, sondern den Prozentsatz der ALT-positiven Zellen. Man muss aber dazu sagen, dass es eine kleine Kohorte war. Will man das KI-Modell als Produkt verwenden, muss eine entsprechende Validierung stattfinden.

Aber das ist Ihr Ziel?

Sabine Taschner-Mandl: Ja, auf jeden Fall. Wir haben in diesem Projekt etwas über das Ziel hinausgeschossen, weil wir nicht nur getestet haben, ob ALT mit KI besser diagnostiziert werden kann, sondern auch andere genetische Marker in das Modell implementiert. Es kann also mehrere Biomarker mittels KI klassifizieren und einen Vorschlag ausgeben. Für die Diagnostik ist das ein großer Schritt – sie kann so objektiver, effizienter und schneller erfolgen.