Entwicklung eines Digital-Staining-Verfahrens als pathologisch-histologisches Diagnosewerkzeug auf Basis der MALDI-Imaging-Technologie

Schema ZIM Projekt

Bearbeiter*innen: Lena Hauberg-Lotte, Janina Oetjen, Tobias Boskamp, Jens Behrmann, Delf Lachmund, Christian Etmann, Yovany Cordero Hernandez
Projektförderung: Bundesministerium für Wirtschaft und Energie (BMWi), Zentrales Innovationesprogramm Mittelstand (ZIM)
Projektträger: AiF
Partner: SCiLS GmbH, Bremen, Molekularpathologie, Trier
Laufzeit: 01.07.2014 - 30.06.2016

Das Projekt war der Startpunkt der AG Technomathematik für das interdisziplinäre Forschungsfeld der digitalen Pathologie. Ziel des Projekts war die Untersuchung der Massenspektrometrie als Werkzeug der digitalen Pathologie, insbesondere die Entwicklung von neuartigen, mathematischen Methoden für die Auswertung von MALDI-Imaging-Spektren sowie die Erstellung von standardisierten Abläufen für die Probenpräparation und Datenaufnahme. Diese Entwicklungen erfolgten hierbei exemplarisch an Tumoren aus der Bauchspeicheldrüse und der Lunge sowie Metastasen aus der Leber und hatten somit direkten Bezug zu wichtigen Fragestellungen in der Onkologie.

Die einzelnen Prozesse der Probenpräparation sowie der Akquisition von MALDI-Imaging-Daten sind kritisch für die Anwendung der Massenspektrometrie in der Routine von pathologischen Laboren. Innerhalb der zweijährigen Projektlaufzeit wurden deshalb standardisierte Protokolle für diese Abläufe erstellt und anschließend auf ihre Handhabung und Reproduzierbarkeit evaluiert. Dafür wurden verschiedene Parameter in dem Versuchsablauf variiert und deren Einfluss auf die Spektrenqualität untersucht, als Metrik für die Qualitätsbestimmung dienten die Peakintensität (spektrales Maß) und die Bildstruktur der MALDI-Imaging-Daten (bildliches Maß).

Darüber hinaus wurde ein modulares und verallgemeinerbares Datenauswertungsverfahren für MALDI-Imaging-Daten entwickelt, das auf den grundlegenden, seriell ausgeführten Verarbeitungsschritten Präprozessierung, Dimensionsreduktion und Klassifikation beruht. Zu den untersuchten Präprozessierungsschritten gehörten in diesem Projekt Basislinienkorrektur (morphologischer Top-Hat-Operator, Wavelet-Approximation, iterative Convolution), Normalisierung (Median und Total Ion Count), spektrales Denoising (gleitende Mittelwert- bzw. Maximumsfilter) sowie die Anwendung von räumlichen Denoising-Filtern (Gauß-Kernel- bzw. Shock-Filter). Die Entwicklung von Methoden der Dimensionsreduktion stellte den Kernbereich des Projekts dar, in dem im Wesentlichen zwei Ansätze verfolgt wurden: Reduktion der MALDI-Imaging-Daten auf eine Liste von Spektralpeaks mittels ROC-Verfahren (Receiver Operating Characteristics) sowie Extraktion charakteristischer spektraler Muster durch Verwendung der NMF-Zerlegung (nicht-negative Matrixfaktorisierung). Für die Klassifikation wurden die Methoden Linear Discriminant Analysis (LDA) und Support Vector Machine (SVM) untersucht.

Die entwickelten MALDI-Imaging-Methoden sowie Datenanalyseverfahren finden nun nach erfolgreichem Abschluss des Projekts Anwendung in der medizinischen Forschung an Universitäten und forschenden Pathologielaboren. Somit ist auch der Grundstein für die schrittweise Einführung dieser Entwicklungen in die Routinetumordiagnostik gelegt, mit der gegenüber der herkömmlichen histopathologischen Diagnostik ein höherer Grad an Automatisierung, Standardisierung und Objektivierung angestrebt wird. Die dafür nötigen Forschungsarbeiten werden am ZeTeM innerhalb von Nachfolgeprojekten der digitalen Pathologie fortgesetzt.