Siemens-Forscher haben eine Software darauf „trainiert", verschiedene Krebsstadien von Prostatazellen zu unterscheiden. Sie fütterten das Bildanalysesystem mit vielen Beispielen medizinischer Bilder. Fernziel ist ein Expertensystem, das pathologische Diagnosen schnell, kostengünstig sowie zuverlässig erstellt und damit menschliche Experten unterstützt. Bislang hat die Software des Status eines Prototyps und ist nicht kommerziell verfügbar.

Ärzte brauchen jahrelanges Training, um die verschiedenen Krebsstadien anhand von Unterschieden in der Zellstruktur zu identifizieren. Objektträger mit den hauchdünnen Gewebeproben aus Prostatabiopsien, bei denen ein Verdacht auf krankhafte Veränderungen vorliegt, können nicht beliebig lange gelagert werden. Daher wäre eine Art digitaler pathologischer Gewebescanner sehr nützlich, der tausende Objektträger pro Stunde analysieren und dokumentieren kann. Diese Daten könnten jederzeit reproduziert und von mehreren Nutzern gleichzeitig verwendet werden.

Bei der globalen Siemens-Forschung Corporate Technology in Princeton erarbeiten die Experten das Grundlagenwissen für solche Geräte und nutzen dafür Techniken des maschinellen Lernens. Anhand von Proben, die vorher von Pathologen in jeweils eines von vier Prostatakrebs-Stadien eingeteilt wurden, versucht ihr System, typische Merkmale wie Zellstruktur und -anordnung zu identifizieren. Das System wird bei 100 klassifizierten Proben durch 90 „trainiert" und bei den restlichen zehn getestet. Das wird solange wiederholt, bis das System „gelernt" hat, aus seinen Erfahrungen die richtigen Schlüsse zu ziehen und Bildinhalte zu interpretieren.

Die Forscher machten dabei eine interessante Entdeckung: Das System „lernte" nicht nur wie erwartet, wie verschiedene Zellen aussehen, sondern es fand sozusagen als Nebeneffekt diejenigen zugrundeliegenden Klassifizierungsmerkmale heraus, die auch Spezialisten heranziehen. Um das Krebsstadium anhand der typischen schleifenförmigen Anordnungen von Krebszellen eindeutig zu erkennen, reicht es nämlich aus, die Länge der Schleifen und die Anzahl der enthaltenen Zellen zu betrachten.

Die Forscher planen, die digitale Pathologie zukünftig als Bindeglied zwischen molekularen Testverfahren und der Welt der physikalischen und anatomischen Abbildungen zu nutzen, indem sie Biopsienadeln mit Positionssensoren ausstatten. So würde jede Gewebeprobe eine präzise dreidimensionale Adresse erhalten und jedem Bildausschnitt könnte das richtige Krebsstadium zugeordnet werden.