3D-ADAM: 3D-Assay Data Mining für die digitale KI-gestützte Identifikation und Prognose (strahlen)-therapeutischer Effekte

Abstract

Im Projekt sollte eine automatisierte Auswertung von Mikroskopiebildern entwickelt werden, um archivierte Daten aus mehr als zehn Jahren Forschung zu 3D-Tumorsphäroiden digital analysieren zu können. Die daraus entstehenden großen Datensätze sollten zentrale Fragestellungen der Strahlentherapieforschung untersuchen: (i) Ob sich das langfristige Absterben eines Tumorsphäroids bereits wenige Tage nach der Behandlung anhand seines Erscheinungsbildes vorhersagen lässt. Hierfür sollten statistische Methoden und maschinelles Lernen genutzt werden, um Tumor-Kontrollwahrscheinlichkeiten automatisch aus Mikroskopiebildern abzuleiten und frühe Hinweise auf Absterben oder Nachwachsen zu identifizieren. Dadurch könnten zukünftige Experimente deutlich verkürzt werden. (ii) Inwieweit sich Behandlungserfolge bei 3D-in-vitro Sphäroiden auf makroskopische in-vivo-Tumoren übertragen lassen. Durch die Digitalisierung der umfangreichen in-vitro Datenbasis sollten erstmals ausreichend Daten für einen statistischen Vergleich mit bestehenden in-vivo Experimenten an Mäusen verfügbar werden.