KI-gestützte Pathologie wird zum unverzichtbaren Bestandteil der Krebsdiagnostik

Mindpeak will zum Thema Krebs-Diagnose einen wichtigen und innovativen Beitrag leisten: Das Startup entwickelt seit 2018 mit mittlerweile 25 Expert:innen am Standort Hamburg mit Künstlicher Intelligenz (KI) Software zur Bilderkennung in der diagnostischen Medizin und unterstützt damit Pathologen und Pathologinnen bei der Krebsdiagnose. Künstliche Intelligenz kann hier  die Krebs-Expert:innen in der täglichen Routine entscheidend unterstützen: Die Zahl der Pathologen stagniert bzw. nimmt sogar ab – die Zahl der zu bearbeitenden Gewebeproben steigt jedoch rasant an. Mindpeaks KI-gestützte Diagnose-Tools können Krebszellen erkennen, quantifizieren und klassifizieren – in einem Bruchteil der Zeit, die erfahrene Patholog:innen benötigen – und das auf einem immer gleichbleibenden hohen Niveau. Vergleichstests haben gezeigt, dass die Software der Hamburger hier auf dem Niveau der besten Patholog:innen der Welt arbeitet – aber anders als der Mensch wird sie nie müde.

Dieses Beispiel zeigt, welche Innovationskraft Künstliche Intelligenz insbesondere im Gesundheitsbereich hat. Sie kann Expert:innen bei sich oft wiederholenden Vorgängen, die viel Zeit und Mühe kosten, entlasten, sodass beispielsweise Patholog:innen mehr Zeit für komplexere Fälle und Mediziner:innen mehr Zeit für ihre Patient:innen haben. Felix Faber und Dr. Tobias Lang, die Mindpeak gegründet haben, beschäftigen sich schon sehr lang mit dem Thema Künstliche Intelligenz; beide haben an der Universität Freiburg und Osnabrück Informatik und Cognitive Science studiert. Als sie mit dem Studium begannen, steckte KI zwar nicht mehr in ihren Anfängen – aber sie war noch nicht so weit, um daraus Anwendungen für den Einsatz im Alltag zu entwickeln. Insbesondere die Themen Deep Neural Networks und Machine Learning sind aber mittlerweile an einem Punkt angelangt, an dem sie nicht nur für viele Zwecke – insbesondere beim Thema Bilderkennung – einsetzbar sind,  sondern auch einen tatsächlichen Mehrwert beispielsweise in der klinischen Routine schaffen können.

Insbesondere Deep Learning (DL) spielt hierbei eine zentrale Rolle: Deep Learning ist eine Methode der KI-Entwicklung und basiert auf tiefen künstlichen neuronalen Netzen. Anstatt mit viel Aufwand fest codierte Regeln durch menschliche Expert:innen festzulegen, werden mit einem DL-System statistische Muster aus Beispieldaten gelernt. Voraussetzung ist eine ausreichend große Menge an sogenannten annotierten Daten zum Trainieren des neuronalen Modells. Der Algorithmus lernt auf diese Art und Weise, Bilder zu erkennen, die er vorher nicht gesehen hat.

Die beiden Mindpeak-Gründer haben zudem früh  erkannt, wie wichtig es ist, ein nachvollziehbares Regelwerk zur Standardisierung von KI-Software und -Anwendungen insbesondere auch im medizinischen Bereich zu schaffen. Daher hat Mindpeak gemeinsam mit dem Deutschen Institut für Normung entsprechende SPECs – Vorstufen von DIN Normen - erarbeitet.  Im Zuge des gemeinsamen Projektes wurden so beispielsweise die Entwicklung und die Anwendung eines DL-Bilderkennungssystems in der Medizin vereinfacht und standardisiert. Hierbei wurden insbesondere Patientensicherheit, Nutzerakzeptanz und effiziente Entscheidungsprozesse berücksichtigt. Dafür wurde ein entsprechender Leitfaden entwickelt und auf einer Fallstudie verifiziert, auf dessen Basis die DIN SPEC 13288 „Leitfaden für die Entwicklung von Deep-Learning-Bilderkennungssystemen in der Medizin” entworfen wurde.  

Bei der Entwicklung von Mindpeaks Krebsdiagnose-Software BreastIHC erhöhte die Anwendung dieses Leitfadens deutlich die Umsetzungseffizienz. Das Unternehmen konnte wesentlich enger mit den eigentlichen Anwendern ihrer KI-Software zusammenarbeiten, weil das Standardisierungswerk sowohl die Akzeptanz als auch das Verständnis der Patholog:innen gegenüber KI gefördert hat. Die enge nutzerorientierte Zusammenarbeit war hochwichtig für die Durchführung einer komplexen klinischen Studie. BreastIHC konnte dadurch sehr anwenderfreundlich und intuitiv gestaltet werden, was Mindpeak im Vergleich zu Mitbewerber:innen einen deutlichen Marktvorsprung verschafft. Eines der Hauptprobleme der digitalen Pathologie ist die reibungslose Integration der KI-Lösungen in die klinischen Arbeitsabläufe. Viele Unternehmen scheitern nicht an der Technologie, sondern an deren Einbringung in die Klinik.

Mindpeak hat bei der Entwicklung ihrer Diagnosetools besonders viel Wert auf die sofortige Einsetzbarkeit gelegt: BreastIHC ist eine Plug-and-play-Lösung, die ohne Anpassungsprozesse sofort für Pathologien, Labore und Kliniken anwendbar ist. BreastIHC arbeitet stabil und zuverlässig mit unterschiedlichstem Bildmaterial und stellt somit für Patholog:innen eine echte Unterstützung und Entlastung dar. In der bislang weltweit größten Studie zur Variabilität von Laborbedingungen mit drei unterschiedlichen Färbeautomaten und sechs Scannern hat die Diagnose-Software unter Beweis gestellt, wie zuverlässig sie unter den verschiedenen Laborbedingungen arbeitet. Zudem hat BreastIHC 96 Prozent Genauigkeit im wichtigsten Brustkrebs-Expertenpanel erreicht.

BreastIHC ist darüber hinaus nicht nur die erste KI-gestützte Diagnose-Software, die im vergangenen Jahr eine CE-IVD-Kennzeichnung erhalten hat, sondern auch die erste KI-Lösung für die Digitale Pathologie, die es als erstes in die klinische Routine geschafft hat – sowohl in Europa als auch zum Jahresbeginn in den USA. Mindpeak hat in den vergangenen Jahren das Distributionsnetz für seine Diagnose-Software kontinuierlich über Kooperationen und Partnerschaften ausgebaut. Jüngster Coup der Hamburger ist eine Partnerschaft mit Paige, einem wichtigen Anbieter von Pathologie-Software aus den USA. BreastIHC ist jetzt auch über die Paige-Plattform für Pathologien, Labore und Kliniken einsetzbar. Zudem hat Mindpeak eine Kooperation mit Crosscope vereinbart, um BreastIHC insbesondere im südasiatischen Raum, darunter Indien, anzubieten. Mindpeak ist dabei der KI-Anbieter mit der größten Anzahl von Integrationen in Workflow-Plattformen für die Digitale Pathologie (Image Management Systeme, IMS), da es zuvor auch schon viele Integrationen zum Beispiel in Sectra, Gestalt, SmartInMedia, Pathpresenter, EMPAIA, Augmentiqs gab. Der Effizienzgewinn für die Labore fällt auch umso größer aus, je tiefer die Integration in die IMS vorgenommen wurde: In Zukunft wird der Automatisierungsgrad weiter steigen, da klinische Bilder direkt nach dem Scannen von der KI vorberechnet werden können, noch bevor der Pathologe oder die Pathologin sich überhaupt mit dem Fall befasst. Wenn dann am Monitor eine Tumorregion eingekreist wird, können die Einzelzellergebnisse ohne Zeitverzögerung angezeigt werden. Und wenn das dann noch mit einer automatischen Gewebesegmentierung kombiniert wird, entfällt auch das manuelle Auswählen der Tumorbereiche, weil diese automatisch erkannt und vorgeschlagen werden. 

Insgesamt wird KI zudem künftig in der Entwicklung von Krebsmedikamenten eine größere Rolle spielen, weil klinische Scores für Krebsmarker deutlich reproduzierbarer bestimmt werden können. Dadurch können die Schwellwerte, ab wann eine Behandlung mit diesem oder jenem Medikament bei einem individuellen Patienten Sinn macht, viel besser für einen maximalen Therapieerfolg bestimmt werden. Auch bleibt die Krebsforschung nicht stehen: Schon in der Vergangenheit sind weitere Krebsmarker z. B. für Brustkrebs hinzugekommen. Pathologen und Pathologinnen werden also in Zukunft pro Fall eher noch mehr Krebsmarker zu befunden haben, damit der Onkologe /die Onkologin die bestmögliche Therapie festlegen kann – ganz im Sinne einer immer individualisierteren und wirkungsvolleren Medizin.