Dagmar Kainmüller

Die Bildanalytikerin

In der Biomedizin entsteht gerade eine Bilderflut. Dagmar Kainmüller bringt Computern deshalb das Sehen bei – so sollen sie bei der Analyse der Bilddaten helfen. Dabei wirft die Künstliche Intelligenz mitunter unerwartete Fragen auf, die neue Forschungsansätzen in der Molekularbiologie eröffnen.

Es gibt Probleme, die lassen Dr. Dagmar Kainmüllers Augen leuchten. Wenn es gilt, hunderte Zellen aus verschiedenen mikroskopischen Aufnahmen einander zuzuordnen oder einzelne Zellen automatisch in einem Bild einzuzeichnen, kommen selbst große Rechenzentren schnell an ihre Grenzen. Dann schlägt die Stunde der Künstlichen Intelligenz und der neuronalen Netze – und die Informatikerin Kainmüller ist ganz in ihrem Element. „Ich sitze an der Schnittstelle zwischen hochaktueller biomedizinischer Forschung und den neuesten Entwicklungen aus der automatisierten Bildanalyse“, sagt die Leiterin der Arbeitsgruppe „Biomedizinische Bildanalyse“ am Max-Delbrück-Centrum für Molekulare Medizin in der Helmholtz-Gemeinschaft (MDC). Und je größer die mathematischen Herausforderungen werden, desto mehr wächst ihre Begeisterung.

Die Datenmenge in Forschung und Medizin wächst von Jahr zu Jahr. Alleine die medizinische Bildgebung produziert jährlich Daten in der Größenordnung von Petabytes – das entspricht einer eins mit 15 Nullen. Hinzu kommen bildbasierte Verfahren aus der Grundlagenforschung wie etwa das Beobachten von lebenden Zellen oder Stoffwechselprozessen mit Mikroskopen. Auch hier entstehen enorme Mengen an Bildern, die ausgewertet werden müssen. Künstliche Intelligenz soll die Expert*innen aus Forschung und Medizin bei der Bildanalyse unterstützen. Dies kann nicht nur die Auswertung solcher Bilder erheblich beschleunigen und präzisieren. In den Bilddaten liegen zudem viele Zusatzinformationen verborgen, die über eine softwarebasierte Analyse gehoben werden können.

Maschinelle Sehkraft nutzen

Das Forschungsfeld, in dem sich Dagmar Kainmüller bewegt, nennt sich „Computer Vision“ – also rechnergestütztes Sehen. Die Anwendungen der maschinellen Sehkraft reichen von Robotik über autonome Fahrzeuge bis zur Qualitätskontrolle in Produktionsprozessen. „Wir arbeiten nun daran, solche Methoden für die biomedizinische Bildanalyse weiterzuentwickeln“, umreißt Dagmar Kainmüller das Forschungsziel ihrer Arbeitsgruppe.

Dabei kann schon ein kleiner Wurm die Informatiker*innen vor große Probleme stellen: Der Fadenwurm C. elegans etwa ist ein beliebter Modellorganismus in der Entwicklungsbiologie. Jeder Wurm besitzt im Jungstadium exakt 558 Zellen, die sich in unterschiedlichen Individuen genau gleich entwickeln. Zellbiologen vergleichen mikroskopische Bilder verschiedener Exemplare und versuchen, die Einzelzellen möglichst genau aufeinander zu beziehen – eine langwierige und komplexe Aufgabe. „Die kombinatorischen Möglichkeiten beim Vergleich zweier Bilder lassen sich mit aktuell verfügbaren Rechenkapazitäten nicht in endlicher Zeit durchprobieren“, sagt Kainmüller.

Hinter der kombinatorischen Optimierung steckt wunderschöne Mathematik.
Dagmar Kainmüller
Dagmar Kainmüller Leiterin der Arbeitsgruppe „Biomedizinische Bildanalyse“

Gefragt ist eine Software, die die kombinatorischen Möglichkeiten anhand bestimmter Kriterien begrenzt und dann möglichst gute Annährungen an eine optimale Lösung liefert. Um solche Programme zu entwickeln, arbeitet Kainmüller in einem weltumspannenden Netzwerk. „Wir publizieren unsere Fragestellungen gerne als Benchmark und fordern die internationale Forschungsgemeinschaft auf, ihre Ansätze dazu zu veröffentlichen.“ Im kollegialen Wettbewerb mit anderen Programmierer*innen entstehen immer bessere Lösungen, von denen am Ende sowohl Forscher*innen aus Informatik und KI- als auch aus der Zellbiologie profitieren. Neben formalem Können sei immer Intuition notwendig. Nur so könne man kreativ neue Methoden entwickeln, sagt Kainmüller, die angesichts solcher mathematischer Rätsel ins Schwärmen gerät: „Hinter der kombinatorischen Optimierung steckt wunderschöne Mathematik.“

Für Mathematik und Computer begeistert sich Dagmar Kainmüller bereits in der Jugend. „Unser Informatikunterricht war hervorragend“, erinnert sie sich an ihre Schulzeit in Bensheim im Odenwald. Sie entschließt sich zum Informatikstudium mit Nebenfach Mathematik und besucht die Universitäten Karlsruhe und Lübeck sowie das Zuse-Institut in Berlin. Der niedrige Frauenanteil in diesen Fächern ist für sie die Manifestation eines eklatanten gesellschaftlichen Missstandes. Frauen in mathematisch-naturwissenschaftlichen Fächern erfahren bis heute keine Gleichbehandlung: „Ich wurde zum Beispiel ständig gefragt, wie ich als Frau zur Informatik gekommen sei“, erinnert sie sich. Für Kainmüller ist das ein Ansporn. „Die Situation von Frauen in IT-Berufen zu verbessern, ist mir eine Herzensangelegenheit“, sagt sie. So bringt sie sich unter anderem beim Girls‘ Day und anderen mathematisch-naturwissenschaftlichen Förderprojekten für Frauen ein und achtet bei der Zusammensetzung ihrer Arbeitsgruppe auf Diversität.

Bilder von Fadenwürmern, Zebrafischen und Axolotls

Ich mag es, wenn meine Arbeit ein sichtbares Ergebnis hat.
Dagmar Kainmüller
Dagmar Kainmüller Leiterin der Arbeitsgruppe „Biomedizinische Bildanalyse“

Ihre eigene Laufbahn ist von ihrer Vorliebe für Bilder und Bildanalyse geprägt. Auf der Suche nach sinnstiftenden Anwendungen der Computer Vision widmet sie sich in ihrer Doktorarbeit bereits Bilddaten aus der klinischen Forschung und wendet sich in ihrer Zeit als Postdoc der biologischen Grundlagenforschung zu. Sie entwickelt Methoden, um mikroskopische Bilder von Fadenwürmern, Zebrafischen und Axolotls zu analysieren. Informatik versteht sie als angewandte Mathematik, dieser Aspekt ist ihr wichtig. „Ich mag es, wenn meine Arbeit ein sichtbares Ergebnis hat“, sagt Kainmüller. „Viele andere Informatiker beschäftigen sich mit abstrakten Problemen, die wenig Realitätsbezug haben.“

Kainmüller mischt längst in klinischen Forschungsprojekten mit. Aktuell kooperiert sie mit Professor Andreas Hocke, der an der Klinik für Infektiologie und Pneumologie der Charité – Universitätsmedizin Berlin untersucht, wie Infektionen mit Viren und Bakterien auf zellulär-molekularer Ebene verlaufen – vor allem mit Gewebe, das bei Tumor-Operationen der Lunge übrig bleibt. Aus diesem menschlichen Gewebe können Organoide – also künstliche Mini-Organe – hergestellt werden. Sie sind der menschlichen Lunge sehr ähnlich und ermöglichen auf den Patienten oder die Patientin individuell abgestimmte Langzeituntersuchungen. Mit hochauflösender Fluoreszenzmikroskopie beobachtet das Team, wie sich die jeweilige Infektion im Gewebe ausbreitet. Dabei entstehen viele Einzelbilder, die sich ohne die Hilfe von Künstlicher Intelligenz nur in mühevoller Handarbeit beurteilen lassen. Kainmüller arbeitet an Methoden, um einzelne Zellen und Zellkerne automatisiert in den Bildern einzuzeichnen – ein Zeitgewinn, der derartige Forschungsansätze künftig erheblich beschleunigen wird.

Gemeinsam mit Professorin Christine Sers am Institut für Pathologie der Charité erforscht sie zudem an der DFG-finanzierten Graduate School CompCancer, wie man aus histologischen Bildern von Darmkrebs mit Hilfe der Künstlichen Intelligenz neue Informationen gewinnen kann. Im Mittelpunkt steht unter anderem die Frage, ob sich aus den Bilddaten die Wahrscheinlichkeit ableiten lässt, dass ein Darmtumor Metastasen entwickelt. Die Künstliche Intelligenz agiert hier wie eine Blackbox, erklärt Kainmüller: „Wir wissen nicht, aus welchen Details die Künstliche Intelligenz diese Information gewinnt, aber die Vorhersagen sind nach ersten Ergebnissen anscheinend besser als eine Zufallsverteilung.“ Die daraus gewonnenen Ergebnisse könnten als neue Fragestellung direkt an die medizinische Forschung zurückfließen: Welche in den Bilddaten erkennbaren zellbiologischen Eigenschaften sind es, die die Metastasierung beeinflussen?

Es warten etliche mathematische Rätsel

Außerdem versuchen die Informatiker*innen aus den mikroskopischen Gewebeschnitten herauszulesen, wie der jeweilige Tumor am besten behandelt werden kann. In diese Vorhersagemodelle sollen zudem Daten von Genomsequenzen benachbarter Zellen und aus der Erprobung verschiedener Wirkstoffe an individuell angezüchteten Organoiden einfließen. „In Zukunft könnte man vielleicht anhand des mikroskopischen Bildes von einem Gewebeschnitt die beste Therapie für den einzelnen Patienten oder die einzelne Patientin vorhersagen“, sagt Kainmüller.

Ihr Fernziel ist es, ein Modell der computergestützten Bildanalyse zu entwickeln, das sich auf eine Vielzahl verschiedener Anwendungen übertragen lässt. Hierfür hat Kainmüller gerade gemeinsam mit dem MDC-Strukturbiologen Professor Oliver Daumke eine Förderung von „Helmholtz Imaging“ erhalten.

Neue Fragestellungen und Anwendungsfelder gibt es in Berlin reichlich.
Dagmar Kainmüller
Dagmar Kainmüller Leiterin der Arbeitsgruppe „Biomedizinische Bildanalyse“

„Es entstehen ständig neue bildgebende Verfahren, zu denen es noch gar keine Trainingsdaten für die Künstliche Intelligenz gibt“, schildert Kainmüller die Herausforderung. Die Künstliche Intelligenz soll künftig über Ansätze des eigenständigen maschinellen Lernens selbst erkennen, worauf es in den jeweiligen Bilddaten ankommt. Doch bis zur Anwendungsreife gibt es noch einige mathematische Rätsel zu lösen. „Neue Fragestellungen und Anwendungsfelder gibt es in Berlin reichlich“, sagt Dagmar Kainmüller, „hier kann ich mich noch lange austoben.“

Text: Dietrich von Richthofen

 

Weiterführende Informationen