Zum Inhalt wechseln
Pattern - Header - Left Pattern - Header - Left

LifeArc: Erweiterte ML- Bildverarbeitung von biologischen Datensätzen

Der IRIS PoC hat bewiesen, dass ein hochmodernes neuronales Netzwerksystem in der Lage ist schwierige Datensätze zu verarbeiten, die mit dem herkömmlichen Ansatz nicht verarbeitet werden konnten.

Pattern - Header - Left Pattern - Header - Left
Case Study Lifearc Navy 800X400
Lifearc 130X130

LifeArc

LifeArc ist eine eigenfinanzierte britische Wohltätigkeitsorganisation für medizinische Forschung im Bereich der Biowissenschaften, welche die Übersetzung der frühen Wissenschaft in Behandlungen oder Diagnosen im Gesundheitswesen vorantreibt. Welche bis zur vollständigen Entwicklung durchgeführt und den Patienten zur Verfügung gestellt werden können. Seit der Gründung der Wohltätigkeitsorganisation im Jahr 2000 hat die Organisation dazu beigetragen, eine Reihe neuer Innovationen auf den Markt zu bringen. www.lifearc.org

Die Herausforderung

Geschäftsanforderungen

LifeArc ist eine innovative Wohltätigkeitsorganisation, welche die medizinische Forschung in Richtung Patientenbehandlung und Diagnostik vorantreibt. Die Wohltätigkeitsorganisation arbeitet mit einer Reihe von Partnern aus der Gesundheitsbranche, anderen Charity-Organisationen, Universitäten, Forschungseinrichtungen und weiteren Institutionen zusammen, die sich auf die Lebensverbesserung von Patienten konzentrieren.

LifeArc legt sein Hauptaugenmerk auf die Weiterentwicklung vorläufiger Laborergebnisse. Mit dem Ziel die Zeit zu verkürzen, die neue Behandlungen oder diagnostische Innovationen benötigen, um Patienten zu erreichen.

Die Bemühungen der LifeArc-Wissenschaftler zur Wirkstoffentdeckung umfassen die funktionelle Bewertung potenzieller neuer Arzneimittel in biologischen Experimenten. Eine der Schlüsselmethoden, mit denen dies in der frühen Entwicklung erreicht werden kann, ist die Verwendung krankheitsrelevanter In-vitro-Zellkulturen. Insbesondere die Fluoreszenz Bildgebung von Zellen, ermöglicht die Untersuchung der Wirkungen der Verbindung auf verschiedene Aspekte der Zelle. Jedes Experiment kann Tausende von Bildern mit Hunderten von Zellen auf jedem Bild ergeben. Die Mikroskopbilder müssen dann analysiert werden und das Forscherteam muss entscheiden, ob die Substanzen die gewünschte Wirkung und Konsistenz haben.

Die Wissenschaftler von LifeArc hatten mit Herausforderungen im Zusammenhang mit diesem Prozess zu tun und stellten fest, dass sie eine Lösung brauchten, die technologisch weit genug fortgeschritten war, um ihre innovativen Ziele wirklich zu erreichen.

Das Team wollte einen Weg finden, um die Verarbeitung von Bildern sowie den Bau neuer Bildverarbeitungs-Pipelines zu optimieren. Ihre bestehende Einrichtung war zeitaufwändig, erforderte umfangreiches Fachwissen in Bezug auf Domänen und warf Schwierigkeiten beim Wissensaustausch auf, da alles lokal verarbeitet wurde (im Gegensatz zu Cloud-Hosting). Darüber hinaus konnte die von ihnen verwendete Software nicht immer die gewünschten Ergebnisse liefern.

Nach der Analyse ihrer Bedürfnisse, wurde beschlossen ein brandneues, hochmodernes System zur Bildanalyse, das auf neuronalen Netzen basiert zu bewerten, um sie bei ihren Bemühungen zu unterstützen.

 

Die Lösung

Projekt Details

Zu Beginn der Zusammenarbeit führte Objectivity einen umfassenden Workshop zur Projektvalidierung mit dem LifeArc-Team, bestehend aus wichtigen Stakeholdern durch. Darunter ein Team von Experten - Wissenschaftler, die den gesamten Prozess, inklusive Bildanalyse, durchführen.

Workshop

Während des dreitägigen Workshops konnte Objectivity den Business Case und Proof of Concept (PoC) definieren, um alle identifizierten Herausforderungen der Wissenschaftler anzugehen. Die Teams arbeiteten zusammen, um die Art der Lösung zu ermitteln, die dem Unternehmen die wichtigsten betrieblichen Vorteile bringt. Ein Business Analyst, Entwickler und zwei Data Scientists nahmen an dem Workshop teil, um sicherzustellen, dass alle wichtigen Projektbereiche abgedeckt werden.

Proof of Concept

Das Objectivity-Team erstellte das Backend eines Analysesystems und implementierte es mithilfe von Azure Machine Learning (ML) in der Azure Cloud. Die entwickelte Backend-Lösung - IRIS - ist in der Lage ganze Datensätze durchgängig zu verarbeiten und zu analysieren. Es deckt Bereiche ab, wie die Zellerkennung unter Verwendung eines Convolutional Neural Networks, die Extraktion einzelner Zellen, die Merkmalsextraktion unter Verwendung eines Convolutional Autoencoder, die Dimensionsreduktion und das Clustering. IRIS kann auch analysierte Zellkerne mithilfe eines speziellen neuronalen Netzwerks nachweisen. Die Anwendung trennt ganze Zellen von den verarbeiteten Bildern und der Autoencoder extrahiert relevante Merkmale aus den einzelnen Zellenbildern.

Darüber hinaus ermöglicht die Funktion der Lösung zur Dimensionsreduktion die Visualisierung der Gruppierungen einzelner Zellen in einer 2D-Ebene. All dies ermöglicht es den Wissenschaftlern von LifeArc, die Ergebnisse auf biologische Plausibilität zu prüfen und gegebenenfalls Korrekturen vorzunehmen. Die Wissenschaftler müssen sich nicht mit maschinellem Lernen befassen, um die Ergebnisse zu optimieren und sie mit ihrem Expertenwissen zu versehen - all dies wird über eine Benutzeroberfläche erreicht, die den Prozess erleichtert. Gleichzeitig haben die Wissenschaftler die notwendige Kontrolle, um die gewünschten biologisch plausiblen Ergebnisse zu erzielen.

Testphase

Nachdem eine vorläufige Version des PoC für IRIS erstellt wurde, wurde die Anwendung einer umfangreichen Testphase unterzogen. Die Bildverabeitungssoftware wurde iterativ im Einklang mit der agilen Arbeitsweise getestet, sodass LifeArc seine Funktionen regelmäßig überprüfen konnte. Das Team von Objectivity passte die Anwendung während jeder Testiteration an die Rückmeldungen und Anforderungen von LifeArc an.

Das Ergebnis

Geschäftsvorteile

Nachdem die Wissenschaftler von LifeArc die Gelegenheit hatten, die vorläufige Version der IRIS-Anwendung zu testen, waren sie von den ersten Ergebnissen begeistert. Der PoC zeigte vielversprechende Ergebnisse. Ergebnisse, welche gleich oder sogar besser waren als die mit dem traditionellen Ansatz, der in einigen Fällen die manuelle Zählung von Datenpunkten beinhaltete.

Der IRIS PoC bewies, dass ein hochmodernes neuronales Netzwerksystem in der Lage ist, schwierige Datensätze zu verarbeiten, die mit dem herkömmlichen Ansatz nicht verarbeitet werden konnten. Darüber hinaus hat die Implementierung von PoC in Azure gezeigt, dass das Hosten der Anwendung in der Cloud diese erheblich beschleunigt und die Benutzerkapazität erhöht, ohne die Funktionalität zu beeinträchtigen. Durch Cloud-Hosting konnte LifeArc eine erwünschte Leistungssteigerung erzielen, Systemausfälle vermeiden und es den Forschern ermöglichen, gleichzeitig an vielen Datensätzen zu arbeiten.

Beeindruckt von den Funktionen und betrieblichen Vorteilen des PoC baten die LifeArc-Wissenschaftler Objectivity, einen zusätzlichen gemeinsamen Workshop durchzuführen. Während des zweiten Workshops konzentrierte sich das Objectivity-Team auf UX und UI der Anwendung sowie auf die Definition der Backlog von Systemfunktionen. Dank eines definierten Satzes erforderlicher Funktionen können zukünftige Entwicklungen entweder iterativ verwirklicht werden - wobei jeweils die spezifischen Funktionen von IRIS im Mittelpunkt stehen - oder ganzheitlicher sein. Das Hauptaugenmerk des PoC lag auf dem Testen der Backend-Funktionen des Systems. Das Frontend der Lösung wurde jedoch auch so weit entwickelt, dass das LifeArc-Team das Erscheinungsbild der Anwendung begutachten konnte.

Der IRIS PoC hat bewiesen, dass LifeArc durch Hinzufügen einer technologisch fortschrittlichen Lösung und Bildverabeitungssoftware zu seinem Portfolio an Forschungstools, seine betrieblichen Herausforderungen lösen kann. IRIS verfügt über die erforderlichen Fähigkeiten, um Arbeitsprozesse zu beschleunigen sowie die Wirksamkeit und Präzision zu erhöhen, insbesondere in der komplexen Biologie. Es kann LifeArc auch ermöglichen, eine größere Anzahl von Datensätzen zu verarbeiten - eine wichtige Systemfunktion für ein Unternehmen, das sich auf die Entdeckung von Arzneimitteln spezialisiert hat, da bei diesem Prozess Hunderttausende von Tests mit großen Datenmengen durchgeführt werden müssen.

Nach der Teilnahme an den Workshops und der Testphase des IRIS PoC konnten die Wissenschaftler die wissenschaftliche und funktionale Machbarkeit des Systems validieren. Darüber hinaus konnten sie für nur einen Bruchteil der Kosten des gesamten Projekts bestimmen, ob sie mit der vollständigen Entwicklung ihres Konzepts fortfahren möchten oder nicht. Die Entscheidung, ihr Portfolio an medizinischen Forschungstools um eine maßgeschneiderte Lösung zu erweitern, würde den LifeArc-Wissenschaftlern eine bessere Kontrolle über ihre Funktionen geben und ihnen ermöglichen, neue Funktionen schneller und einfacher zu implementieren.

Fallstudien

01 / 03

Kontakt

Starten Sie Ihr Projekt mit Objectivity

CTA Pattern - Contact - Middle

Wir verwenden erforderliche Cookies für die Funktionalität unserer Webseite, sowie optionale Cookies zur Analyse, Leistung und/oder für Marketingzwecke. Das Sammeln und Berichten von Information durch optionale Cookies hilft uns dabei unsere Website zu verbessern und Ihnen Informationen über uns und unser Angebot zukommen zu lassen. Weitere Informationen und das Aussetzen von Cookies, finden Sie in unseren Cookie-Einstellungen.