Das Verbundprojekt Patho234 beschäftigt sich mit dem Thema Immunologie. Ziel ist es, die Analyse der Immunzelldynamik in gesundem und erkranktem menschlichen Lymphknotengewebe zu verbessern. Das menschliche Immunsystem ist hoch dynamisch, wodurch es den Körper effektiv vor Infektionen oder Tumoren schützt. Trotz des wachsenden Wissens über Vorgänge auf molekularer Ebene wird eine Diagnose gut- oder bösartiger lymphoider Prozesse häufig immer noch mikroskopisch mithilfe statischer Gewebeschnitte erstellt. Obwohl Tierversuche gezeigt haben, dass drei- oder vierdimensionale Untersuchungen relevante Vorteile aufweisen, kommt ein solches Vorgehen bei der Untersuchung von menschlichen Lymphknoten nur selten zum Einsatz. Patho234 verfolgt daher nun den Ansatz, die klassische zweidimensionale Mikroskopie mit der dreidimensionalen konfokalen Mikroskopie inklusive Dynamikaufnahmen zu kombinieren. Dafür werden ausgereifte computergestützte Analyse-methoden und verlässliche Software-Werkzeuge benötigt, da vorhandene Analysemodelle hier oft an ihre Grenzen stoßen.

Im Rahmen des Projekts soll die Analyse der verschiedenen Bilddaten mit Methoden aus dem Bereich des erklärbaren maschinellen Lernens kombiniert werden. Es ist geplant, hier insbesondere Lernverfahren einzusetzen, die Einblicke in die Entscheidungsprozesse geben können. Die Analysen sollen zeigen, wie stark die Vorhersagequalität der maschinellen Lern-algorithmen steigt, wenn der experimentelle Detailgrad von zwei- auf vierdimensional erhöht wird. Mithilfe der Methoden des erklärbaren maschinellen Lernens sollen die morphologischen Aspekte identifiziert werden, die am meisten zum Klassifikationsergebnis beigetragen haben. Die neuen Analysemöglichkeiten – also die Kombination statischer und dynamischer Aufnahmen mit Methoden des maschinellen Lernens – sollen das Verständnis der molekularen und klinischen Zusammenhänge verbessern, so dass künftig auch die Diagnostik schneller und genauer durchgeführt werden kann.