Das Projekt war der Startpunkt der AG Technomathematik für das interdisziplin?re 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 Abl?ufen für die Probenpr?paration 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 Probenpr?paration sowie der Akquisition von MALDI-Imaging-Daten sind kritisch für die Anwendung der Massenspektrometrie in der Routine von pathologischen Laboren. Innerhalb der zweij?hrigen Projektlaufzeit wurden deshalb standardisierte Protokolle für diese Abl?ufe erstellt und anschlie?end auf ihre Handhabung und Reproduzierbarkeit evaluiert. Dafür wurden verschiedene Parameter in dem Versuchsablauf variiert und deren Einfluss auf die Spektrenqualit?t untersucht, als Metrik für die Qualit?tsbestimmung dienten die Peakintensit?t (spektrales Ma?) und die Bildstruktur der MALDI-Imaging-Daten (bildliches Ma?).
Darüber hinaus wurde ein modulares und verallgemeinerbares Datenauswertungsverfahren für MALDI-Imaging-Daten entwickelt, das auf den grundlegenden, seriell ausgeführten Verarbeitungsschritten Pr?prozessierung, Dimensionsreduktion und Klassifikation beruht. Zu den untersuchten Pr?prozessierungsschritten geh?rten 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 r?umlichen Denoising-Filtern (Gau?-Kernel- bzw. Shock-Filter). Die Entwicklung von Methoden der Dimensionsreduktion stellte den Kernbereich des Projekts dar, in dem im Wesentlichen zwei Ans?tze 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 Universit?ten und forschenden Pathologielaboren. Somit ist auch der Grundstein für die schrittweise Einführung dieser Entwicklungen in die Routinetumordiagnostik gelegt, mit der gegenüber der herk?mmlichen histopathologischen Diagnostik ein h?herer Grad an Automatisierung, Standardisierung und Objektivierung angestrebt wird. Die dafür n?tigen Forschungsarbeiten werden am ZeTeM innerhalb von Nachfolgeprojekten der digitalen Pathologie fortgesetzt.
