KI-gestütztes Handmikroskop könnte die Krebsfrüherkennung verbessern

Forscher der Rice University und des MD Anderson Cancer Center der University of Texas haben ein kompaktes, auf künstlicher Intelligenz basierendes Bildgebungsgerät entwickelt, das die Art und Weise, wie Ärzte Krebs erkennen, verändern könnte. Die Technologie, die darauf abzielt, hochauflösende Echtzeitdiagnostik direkt an den Behandlungsort zu bringen, wurde kürzlich in einem in den Proceedings of the National Academy of Sciences veröffentlichten Artikel beschrieben.

Das Gerät mit dem Namen PrecisionView ist ein tragbares Endomikroskop, das Einschränkungen in der medizinischen Bildgebung überwindet, indem es fortschrittliche Optik mit Deep Learning kombiniert. Das System ermöglicht es Ärzten, sowohl subzelluläre Strukturen als auch darunter liegende Blutgefäße in großen Gewebebereichen sichtbar zu machen, ohne dass invasive Biopsien erforderlich sind.

Die Früherkennung ist einer der wichtigsten Faktoren für die Verbesserung der Krebsergebnisse, doch die heutigen Instrumente zwingen Ärzte oft dazu, sich zwischen Detailliertheit und Abdeckung zu entscheiden. Mit PrecisionView müssen wir diesen Kompromiss nicht mehr eingehen – wir können sowohl klar als auch in Echtzeit sehen.“

Rebecca Richards-Kortum, korrespondierende Autorin, Professorin an der Malcolm Gillis University in Rice und Co-Direktorin des Rice360 Institute for Global Health Technologies

Epithelkarzinome, zu denen auch Krebserkrankungen des Gebärmutterhalses und der Mundhöhle gehören, machen die Mehrzahl der Krebsfälle aus, doch viele werden erst in späten Stadien diagnostiziert, was teilweise darauf zurückzuführen ist, dass aktuelle Diagnosemethoden stark auf Biopsien basieren, die invasiv und in ihrem Umfang begrenzt sind.

Die herkömmliche In-vivo-Mikroskopie bietet eine nichtinvasive Alternative, weist jedoch einige wesentliche Einschränkungen auf, darunter ein kleineres Sichtfeld, eine geringe Schärfentiefe und einige Schwierigkeiten bei der Abbildung unebener Gewebeoberflächen. Diese Einschränkungen können die Beurteilung großer oder komplexer Läsionen und die Feststellung, wo eine Biopsie tatsächlich erforderlich sein könnte, erschweren. PrecisionView zielt darauf ab, diese Herausforderungen durch ein neuartiges Design zu bewältigen, das ein für Deep Learning optimiertes optisches System mit Echtzeit-Bildrekonstruktion integriert.

PrecisionView ist etwa so groß wie ein Stift und verwendet eine speziell entwickelte Phasenmaske und einen KI-Rekonstruktionsalgorithmus, um die Bildgebungsmöglichkeiten erheblich zu erweitern. Das System erreicht ein etwa fünfmal größeres Sichtfeld und eine etwa achtmal größere Schärfentiefe als herkömmliche Systeme und behält dabei die Auflösung auf Mobilfunkebene bei.

„Traditionell werden Werkzeuge des maschinellen Lernens und der künstlichen Intelligenz verwendet, um Bilder in Bezug auf Auflösung oder Kontrast zu verbessern, nachdem die Bilder mit herkömmlichen Bildgebungssystemen erfasst wurden“, erklärte Ashok Veeraraghavan, Lehrstuhlinhaber für Elektro- und Computertechnik bei Rice und Mitautor der Studie. „Im krassen Gegensatz dazu nutzt diese Arbeit KI-Ansätze, um die Optik eines Mikroskops neu zu gestalten. Die von KI entworfene Optik verbessert nicht nur die Auflösung/den Kontrast, sondern, was noch wichtiger ist, durchbricht den herkömmlichen Kompromiss zwischen Schärfentiefe und Auflösung – sie schafft eine Handmikroskopplattform, die immer noch eine zellulare Auflösung erreicht und gleichzeitig eine 8-fache Steigerung der Schärfentiefe ermöglicht. In der Praxis ist diese DOF-Verbesserung entscheidend für die Benutzerfreundlichkeit des Geräts im Feld, da sie es für Kliniker und Techniker praktisch macht, es zu halten das Gerät in der Hand und erhalten hochauflösende Bilder, ohne dass die Bildqualität durch Fokusunschärfe beeinträchtigt wird.“

Dieser Fortschritt ermöglicht es Ärzten, gleichzeitig zwei entscheidende Kennzeichen von Krebs sichtbar zu machen: zelluläre Veränderungen im Epithelgewebe und mikrovaskuläre Muster unter der Oberfläche.

„In der Lage zu sein, sowohl nukleare als auch vaskuläre Merkmale in einem einzigen, kontinuierlichen Bild zu erfassen, ist ein großer Fortschritt, denn es sind die Signale, auf die sich Ärzte verlassen, um gesundes Gewebe von präkanzerösen oder krebsartigen Läsionen zu unterscheiden“, sagte Huayu Hou, ein Doktorand am Optical Spectroscopy and Imaging Laboratory von Richards-Kortum und einer der Autoren der Arbeit.

Das Gerät kann detaillierte Karten von Gewebebereichen über mehrere Quadratzentimeter erstellen und Ergebnisse in Echtzeit mit bis zu 15 Bildern pro Sekunde anzeigen.

Die Forscher validierten PrecisionView durch eine Reihe von Experimenten, einschließlich der Bildgebung gesunder Freiwilliger und menschlicher Gewebeproben mit präkanzerösen Läsionen. In einer Studie wurde das Gerät verwendet, um die Mundhöhle von Freiwilligen zu scannen und hochauflösende Karten der Gewebestruktur und Blutgefäße in Bereichen von mehr als einem Quadratzentimeter zu erstellen. In einem anderen Fall konnten präkanzeröse Veränderungen im Gebärmutterhalsgewebe erfolgreich identifiziert und abnormale Regionen klar vom umgebenden gesunden Gewebe unterschieden werden.

Anstatt ein kleines Stück Gewebe zu entnehmen und an ein Labor zu schicken, ermöglicht uns diese Technologie die sofortige Beurteilung eines viel größeren Bereichs. Das könnte verpasste Diagnosen und unnötige Eingriffe deutlich reduzieren.“

Jimin Wu, Postdoktorand in Elektro- und Computertechnik und einer der Autoren der Studie

Neben der Bildleistung ist PrecisionView auch auf die Zugänglichkeit ausgelegt. Das System besteht aus relativ einfachen Komponenten und kostet etwa 3.000 US-Dollar. Es könnte in Kliniken und ressourcenarmen Umgebungen eingesetzt werden, in denen die traditionelle Pathologie-Infrastruktur begrenzt ist. Die Entwicklung hochwirksamer, kostengünstiger Gesundheitslösungen wie dieser ist eine der herausragenden Initiativen von Rice360.

„PrecisionView hat das Potenzial, qualitativ hochwertige Diagnosefunktionen direkt an den Behandlungsort zu bringen und Ärzten dabei zu helfen, zeitnahe Entscheidungen zu treffen, die den Zugang zu lebensrettender Früherkennung verbessern“, sagte Kathleen Schmeler, eine der Autoren der Studie und stellvertretende Vizepräsidentin für globale Onkologie im Department of Cancer Network, Division of Surgery bei MD Anderson. „Die Auswirkungen werden besonders in medizinisch unterversorgten Gebieten erheblich sein, wo der Zugang zu pathologischen Diensten eingeschränkt oder verzögert sein kann, was zu verpassten oder verspäteten Diagnosen führen kann.“

Die Forscher sagen, dass die Technologie eine Reihe klinischer Anwendungen unterstützen könnte, von der Führung von Biopsien und chirurgischen Entscheidungen bis hin zur Ermöglichung einer früheren Krebserkennung bei Routineuntersuchungen. Sie betonen jedoch, dass noch größere klinische Studien erforderlich sind, um die diagnostische Genauigkeit des Geräts vollständig zu validieren.

„PrecisionView stellt eine zukünftige Richtung für die medizinische Bildgebung dar, bei der künstliche Intelligenz und optisches Design zusammenarbeiten, um die Ergebnisse zu verbessern“, sagte Richards-Kortum. „Durch die gemeinsame Entwicklung von Hardware und Algorithmen können wir Fähigkeiten erschließen, die vorher einfach nicht möglich waren.“

Diese Arbeit wurde teilweise vom National Institute of Dental and Craniofacial Research der National Institutes of Health, dem United States National Cancer Institute durch einen MD Anderson Cancer Center Support Grant und der Defense Advanced Research Projects Agency des US-Innenministeriums unterstützt. Für den Inhalt sind ausschließlich die Autoren verantwortlich und geben nicht unbedingt die offizielle Meinung der unterstützenden Institute oder Agenturen wieder.

Quellen: