KI-Processing von Krebszellproben

Über unseren Kunden Quantatative Imagaging Systems

Quantitative lmaging Systems (Qi) ist ein Biotechnologieunternehmen, das sich der Erforschung von Krebs mithilfe digitaler Bildgebungsmikroskopie widmet. Basierend auf jahrzehntelanger Erfahrung in der Mikroskopbildgebungstechnologie, verfügt die Qi­Software über fundierte Kenntnisse in Mikroskopieanwendungen, die Lösungen für die biomedizinische Forschung, die Arzneimittelentwicklung sowie die Erstellung von Behandlungsplänen für Patienten bieten. Durch die Kombination von Bildanalyse- und Visualisierungstechnologien der nächsten Generation mit den jüngsten Fortschritten bei Reagenzien und Optik setzt Qi neue Maßstäbe hinsichtlich Auflösung, Farbe und Dimensionalität. Wie funktioniert die Software QiTissue? QiTissue kombiniert die Leistungsfähigkeit von zellbasierter Analytik, maschinellem Lernen und Visualisierung. Dies ermöglicht beispiellose Einblicke in räumliche Konzepte wie Tumornester, Widerstandsinseln, Wechselwirkungen mit Stroma während des metastasierten Fortschreitens und die Wirkung der einzelnen Immunzelltypen. QiTissue hilft so, Biopsien von Patienten abzubilden und einzelne Zellen mit über hundert Biomarkern zu markieren und zu analysieren. Auf diese Weise wird verständlich, wie die Tumorbiologie funktioniert, und es wird möglich, geeignete Ziele zu finden, um das Fortschreiten und Metastasieren von Tumoren zu stoppen.

Die Herausforderung

Um Forschungsergebnisse und Analysen von Zellproben (Tissues) über Instituts- und Unternehmensgrenzen teilbar zu machen, ohne Barrieren auf den Ergebnissen kollaborativ arbeiten und die Ergebnisse als Basis für maschinelles Lernen einsetzen zu können, bedurfte es der zentralen Could-basierten Speicherung der Bildinformationen und Arbeitsergebnisse. Eine Herausforderung an das Cloud-Storage-System war die Größe der Zellbilder, die durch die verschiedenen Protein-Maker-Layer in den höheren GB-Bereich pro Bildsequenz hineinragen können. Die zu entwickelnde Cloud-Infrastruktur sollte maschinelles Lernen auf dem Bildmaterial erlauben. Ziel war es, eine Lösung zu schaffen, die sowohl as-a-service als auch on-premise für Industrie- und Forschungskunden betrieben werden kann.  

Unsere Lösung

Badger Systems hat mit modernsten Technologien ein hoch skalierbares kollaboratives Big-Data-Cloud-Backend entwickelt, das die großen Bildinformationen speichert, ein automatisches Pre- und Postprocessing für die Weiterverarbeitung durchführt und die Daten über ein hochspezialisierten WebViewer komfortabel und schnell anzeigen kann. Innerhalb des Cloud-Backend hat Badger Systems eine generische KI-Engine gebaut, die den Benutzern das Ausführen von diversen KI-Algorithmen auf ihren Arbeitsergebnissen erlaubt. Verwendete Technologien per Infrastrukturbereich:

• Storage: CEPH, Cassandra, MariaDB
• ML: Scala, Akka, Python, KubeFlow, Jupyter
• Cloud: Kubernetes, Docker, Scala, AKKA
• FE: AngularJS, Typescript, VueJs
• App Integration: C++/Qt/QML
• KI-Algorithmen: GAN (Generative Adversarial Networks), UMAP (Uniform Manifold Approximation), CNN (Convolutional Neural Networks), Autoencoder