Vom Spektrendatensatz zum Bild
Wie KI unser "spektroskopisches Denken" verändert
Über Veränderungen und erweiterte Möglichkeiten in der Infrarot-Mikroskopie durch Künstliche Intelligenz.
Über Jahrzehnte hinweg war der Arbeitsablauf bei der Erstellung von chemischen Bildern mittels Infrarotspektroskopie (IR) klar. Zuerst werden die einzelnen IR-Spektren ganz genau unter die Lupe genommen und daraus schließlich, mittels Bandenintegration und dem Einsatz von spektralen Referenzbibliotheken, chemische Bilder erzeugt. Gegebenenfalls werden dann noch weitere Optimierungsschritte durchlaufen, bis das chemische Bild auch genau das darstellt, was wir zeigen möchten. Generell lässt sich sagen: Obwohl wir Bilder bewerten, dachten wir in Spektren.
Für all das ist nicht nur gehörig viel Zeit nötig, sondern auch jede Menge Expertise. Nur in den seltensten Fällen war dieses "Know-how" dann zwischen Proben übertragbar – und noch seltener zwischen Personen. Schlussendlich mussten so auch bei sehr ähnlichen Proben alle Schritte zur chemischen Bilderstellung wiederholt durchgeführt und im schlimmsten Fall sogar neu erlernt werden. Neue Methoden auf Basis künstlicher Intelligenz (KI) bieten nun die Möglichkeit, genau das zu ändern und solche Vorgänge zu vereinfachen.
Wir beginnen, nicht mehr in Spektren zu denken, sondern in Bildern. Dieser faszinierende Paradigmenwechsel lässt sich vor allem durch die unglaubliche Schnelligkeit erklären, mit der künstliche Intelligenz selbst größte Datensätze mit beeindruckender Geschwindigkeit evaluieren kann. Wo zuvor Stunden in Auswertung und Bewertung flossen, lässt sich nun durch smarte Methodenerstellung jahrzehntelange Erfahrung mit einem einzigen Knopfdruck übertragen. Dadurch werden auch bislang brachliegende Potenziale der Infrarotspektroskopie reaktiviert, vor allem in Synergie mit neuen Technologien wie Infrarot-Laser-Bildgebung. So kommt es zum Beispiel gerade zu einer Renaissance der Infrarot-Bildgebung bei der Analyse biologischer Gewebeproben.
Der Einsatz der FT-IR-Bildgebung (FT-IR = Fourier-Transform-Infrarot) zur Bewertung von "Gewebeschnitten" ist hinlänglich bekannt [1]. Ähnlich zur Hämatoxylin-Eosin-Färbung (H & E-Färbung) lässt sie sich vielseitig zur Untersuchung verschiedener Aspekte einsetzen, z. B. bei der Analyse von Tumoren. Doch auch wenn die Anwendbarkeit in der Literatur bereits demonstriert wurde, scheiterte der breite Einsatz der IR-Bildgebung an zwei Dingen: Die Messgeschwindigkeit der FT-IR-Bildgebung (mehrere Stunden) und die Analyse der riesigen Datensätze (mehrere Gigabyte groß). Nun aber, dank der Kombination aus IR-Laser-Bildgebung und künstlicher Intelligenz, fallen beide Hürden. Ein Beispiel hierfür ist in Bild 2 dargestellt. Es handelt sich hier um krankes Bauchspeicheldrüsengewebe. Mittels IR-Laser-Bildgebung (IR Laser Imaging, kurz ILIM) ließ sich dieser komplette Gewebeschnitt innerhalb von elf Minuten vermessen – bei 5 µm räumlicher Auflösung.
Die KI-gestützte-Analyse liefert tiefen Einblick in die lokale Zusammensetzung des Gewebes und erlaubt beispielsweise hier die Differenzierung tumoröser und gesunder Areale auf Basis der chemischen Signatur, ohne histologische Expertise. Darüber hinaus verändert die Analyse das Gewebe nicht, so dass dieses danach für weitere Analyseschritte zur Verfügung steht.
Im Vergleich dazu braucht es für die Probenvorbereitung und Analyse des H & E-gefärbten Präparats (Bild 1), bei der die Probe chemisch verändert und somit "verbraucht" wird, bis zu 45 Minuten Zeit und eine umfangreiche fachliche Expertise für die Interpretation.
Etablierte Methoden müssen überprüft und "alte" Technologien neu bewertet werden. Das hier beschriebene und andere kürzlich veröffentlichte Beispiele lassen erahnen [2, 3], welch beeindruckende Fortschritte uns in zahlreichen Bereichen der bildgebenden Spektroskopie bevorstehen.
Literatur
[1] Humecki, Howard J., Practical guide to infrared microspectroscopy, CRC Press, 1995
[2] Kronenberg et al. A multimodal view at cancerous liver tissue by chemical bioimaging and image segmentation strategies. ChemRxiv, 2023; DOI 10.26434/chemrxiv-2023-85hbd
[3] Gruber et al. Deep MALDI-MS Spatial Omics guided by Quantum Cascade Laser Mid- Infrared Imaging Microscopy, bioRxiv, 2023, DOI 10.1101/2023.12.14.571637
AUTOR
Dr. Simon Hugo Schlindwein
Bruker Optics GmbH & Co. KG, Ettlingen
Tel. 07243/504-2000
[email protected]
www.bruker.com/optics
Analytica: Halle A2, Stand 314












