Autofluoreszenz und Künstliche Intelligenz: Neuer Ansatz für die Früherkennung von Krankheiten
Ein internationales Forscherteam hat in einem umfassenden Review die Kombination von Autofluoreszenz-Bildgebung (AF) mit Deep-Learning-Methoden als vielversprechenden Ansatz für die frühe, markerfreie Erkennung von Krankheiten beschrieben. Die Integration ermöglicht es, metabolische und mikrostrukturelle Veränderungen im Gewebe sichtbar zu machen, lange bevor klassische morphologische Veränderungen auftreten. Die Übersichtsarbeit wurde in der Fachzeitschrift Frontiers in Artificial Intelligence veröffentlicht. Hintergrund Viele Erkrankungen, darunter Krebsvorstufen, Diabetesfolgen und chronische Entzündungen, beginnen mit biochemischen und metabolischen Veränderungen im Gewebe. Diese frühen Veränderungen sind mit herkömmlichen bildgebenden Verfahren oft noch nicht sichtbar. Die Autofluoreszenz-Bildgebung nutzt die natürliche Fluoreszenz körpereigener Moleküle (z. B. NADH, FAD, Kollagen, Lipofuszin), um ohne Farbstoffe oder Kontrastmittel metabolische und strukturelle Informationen zu gewinnen. Deep-Learning-Algorithmen können diese komplexen optischen Signale analysieren und Muster erkennen, die dem menschlichen Auge verborgen bleiben. Technologische Grundlage Autofluoreszenz entsteht durch endogene Fluorophore, die Aufschluss über den Zellstoffwechsel, den Redox-Status,…




