Herausforderungen durch wachsende Datenmengen in der Dermatopathologie
In der Dermatologie und speziell in der Dermatopathologie entstehen täglich große Mengen an Bildmaterial (Histologie, immunhistochemische Färbungen), Lehrbuchbildern und wissenschaftlicher Literatur. Diese Massen an teils unstrukturierten Daten bergen ein großes Potenzial, bleiben aber oft ungenutzt. Gleichzeitig steigen die Anforderungen an Präzision und Reproduzierbarkeit diagnostischer Prozesse, etwa bei Grenzfällen (Graubereichen) oder seltenen Hauttumoren. Diagnostische Unsicherheiten entstehen beispielsweise bei unklaren Entzündungsbildern, atypischen Pigmentveränderungen oder bei Grenzfällen zwischen benignen und malignen Läsionen. Fehlinterpretationen oder inkonsistente Beurteilungen sind klinisch relevant und beeinflussen Therapieentscheidungen.
Projekt: AUTODIAL - maschinelles Lernen im diagnostischen Bereich der Dermatopathologie
Maschinelles Lernen bietet hier die Möglichkeit, große Datenmengen sinnvoll zu nutzen. Hier setzt das Projekt „Automating knowledge extraction from large dermatopathology datasets to establish objective and accessible diagnostic frameworks“ (AUTODIAL) unter der Leitung von Prof. Priv.-Doz. Dipl.-Ing. Dr. med. Philipp Tschandl, Leiter des Dermatopathologie-Labors der Universitätsklinik für Dermatologie des Universitätsklinikums AKH Wien, an. Das Ziel ist, entsprechende Techniken im medizinisch-diagnostischen Bereich für die Dermatopathologie zu entwickeln. So strebt Prof. Tschandl an, Wissen aus unstrukturierten Daten der Dermatopathologie zu ziehen und objektive nutzbare diagnostische Rahmenwerke zu etablieren. Hierzu erläutert er: „Die Extraktion von Wissen aus großen unstrukturierten Daten kann es uns ermöglichen, Zusammenhänge zwischen Krankheiten, Behandlungsverläufen, aber auch Fehleinschätzungen zu verstehen – und objektiv darzustellen. Ich hoffe, dass verlässliche Text- und Bildanalyseverfahren die Datenqualität im Gesundheitsbereich langfristig verbessern können, und mit diesen als 'Nebeneffekt' vielleicht auch medizinisches Personal langfristig von Dokumentationstätigkeiten entlastet wird.“
Prof. Philipp Tschandl erhält mit seinem Projekt begehrten ERC-Starting Grant
Für sein AUTODIAL-Projekt erhielt der 38-jährige Wissenschaftler nun den renommierten Starting Grant des Europäischen Forschungsrates (ERC). Mit einem Förderumfang von 1,5 Millionen Euro kann sein Forschungsprojekt so über fünf Jahre finanziert werden. Forschende, die relativ am Anfang ihrer Karriere stehen, können mithilfe der Förderung eigene Projekte starten und Teams bilden. Für die begehrten Fördermittel wurden 3.928 Vorschläge eingereicht, von denen nur etwa 12 % finanziert werden. Eines davon ist „AUTODIAL“.
Ausblick: Verbesserung der Diagnostik in der Dermatopathologie durch Erhöhung der Objektivität
Die Förderung dieses Projektes eröffnet möglicherweise neue Wege, um mithilfe von maschinellem Lernen unstrukturierte dermatopathologische Daten in objektive, klinisch relevante diagnostische Rahmen zu überführen und so diagnostische Unsicherheiten in der Dermatopathologie zu verringern. Klinisch könnte sich dies in schnelleren, objektiveren Diagnosen äußern, etwa bei Grenzfällen von Pigmentläsionen oder seltenen Hauttumoren. Zudem könnte die Arbeitsbelastung durch Dokumentation gesenkt werden, was den Ärzten mehr Kapazität für klinisch relevante Arbeit verschafft.
