Histopathologie ist die Lehre von krankhaften Gewebsveränderungen. Dabei werden mikrometerdünne Gewebeschnitte angefertigt und mit speziellen Färbemitteln gefärbt um bestimmte Strukturen sichtbar zu machen. In der Tumordiagnostikstellt die Befundung dieser Schnitte durch Pathologinnen und Pathologen unter dem Lichtmikroskop den bisherigen Goldstandard dar. Je nach Fragestellung und Tumorart ist diese Diagnostik allerdings auch zeitaufwändig, da große Informationsmengen erfasst werden müssen. Auch werden teilweise nur unzufriedenstellende Übereinstimmungen zwischen Experten beschrieben.
Mit der Entwicklung spezieller Scanner ist es möglich geworden, diese Schnitte zu digitalisieren und sie damit Algorithmen zur automatischen Auswertung zugänglich zu machen. Diese digitalisierten Schnitte werden Whole Slide Images (WSIs) genannt und haben enorme Größen von mitunter mehreren Hunderttausend Pixeln in Breite und Höhe.
Mit dieser digitalen Histopathologie sollen Pathologen und Pathologinnen in Ihrer Arbeit unterstützt und diagnostische Workflows schneller und reproduzierbarer werden.
Die Entwicklung von Deep Learning-Anwendungen, welche die Diagnostik von Tumoren verbessern und somit bessere Aussagen zur Tumorbiologie sowie zur Malignität und Prognose erlauben und hiermit geeignet sind, zielgerichtete Therapien im Sinne der precision medicine zu ermöglichen ist ein Eckpunkt meiner Promotion.
Ein weiterer ist die Entwicklung von Strategien, die geeignet sind, den Annotationsprozess medizinischer Trainingsdaten zu verbessern und somit zur Verbesserung der KI-gestützten Diagnostik beizutragen.
