Hören Sie sich die Audioversion des Artikels an

Künstliche Intelligenz setzt sich in den biomedizinischen Wissenschaften immer mehr durch, um große Bilddatensätze zu segmentieren und zu klassifizieren. Chronologisch an letzter Stelle steht ein System künstlicher Intelligenz, das anhand von Bildern Defekte in der Embryonalentwicklung finden und richtig einordnen kann: Es heißt EmbryoNet und schafft es, die Experten in puncto Geschwindigkeit und Präzision zu schlagen.

Die Software, die von Forschern unter der Leitung der deutschen Universität Konstanz entwickelt wurde, wurde mit mehr als 2 Millionen Bildern trainiert, die Zebrafischembryos darstellen – das am weitesten verbreitete Tiermodell für die Untersuchung der Genentwicklung und -funktion, in der Toxikologie, Onkologie und regenerativen Medizin – aber es kann frei verwendbar und auch für andere Tiere modifizierbar.

In den letzten Jahren wurde Ai häufig verwendet, um hochgradig wiederholbare Merkmale wie einzelne Zellen oder Kerne zu erkennen, wird aber auch für komplexere Aufgaben wie die Rekonstruktion ganzer Gehirngefäße von Mäusen oder die In-vivo-Quantifizierung von Krebsmetastasen eingesetzt. In der Embryologie wurde Deep Learning verwendet, um synaptische Gehirnverbindungen, den Phänotyp von C. elegans-Würmern und die Analyse des Herzschlags oder der Gefäße von Zebrafischen zu kartieren. Bisher wird KI in der Entwicklungsbiologie – mit Ausnahme der assistierten Reproduktion durch In-vitro-Fertilisation – jedoch zu wenig genutzt, obwohl Erbkrankheiten eine enorme Belastung für die Gesellschaft darstellen.

So hat beispielsweise ein Forschungsteam der Technischen Universität Kaunas in Litauen vor zwei Jahren Methoden der künstlichen Intelligenz angewendet, um Daten zur menschlichen Embryonalentwicklung auszuwerten. Das KI-basierte System macht alle fünf Minuten ein Bild des Embryos, verarbeitet seine Entwicklungsdaten und meldet beobachtete Auffälligkeiten. Dies erhöht die Möglichkeit, die lebensfähigsten und gesündesten Embryonen im Frühstadium für das IVF-Verfahren auszuwählen.

EmbryoNet, eine automatisierte Bildanalysesoftware, identifiziert und klassifiziert nicht nur Probleme im Zusammenhang mit der Embryonalentwicklung, sondern ermöglicht auch die Verfolgung der spezifischen Mechanismen am Ursprung jedes gefundenen Defekts.