Automatisierte Quantifizierung der Parasitämie von Vogelmalaria-Erregern in Blutausstrichen mittels künstlicher Intelligenz

Aviäre Plasmodien, die Erreger der Vogelmalaria, sind einzellige Blutparasiten die von Stechmücken übertragen werden und weltweit häufig in Vögeln vorkommen. Nach einer Vermehrung im Gewebe des Vogelwirts gelangen die Parasiten ins Blut und befallen Erythrozyten (rote Blutzellen), auch als Parasitämie bezeichnet. Die Infektion verläuft für die betreffenden Vögel sehr unterschiedlich, von mild ohne Auftreten klinischer Symptome bis hin zu schwerer Erkrankung. Zur Diagnose einer Plasmodien-Infektion werden die Parasiten in einem Blutausstrich mittels Lichtmikroskopie nachgewiesen. Ein wichtiger Parameter zur Beurteilung der Schwere der Infektion ist die Intensität der Parasitämie, gemessen am Anteil infizierter Blutzellen. Dieser wird konventionell durch manuelles Auszählen von mehreren Tausend Blutzellen bei starker mikroskopischer Vergrößerung bestimmt, weshalb die Methode enorm zeitaufwendig ist. Ziel des vorliegenden Projekts ist die Entwicklung eines Bildanalyse-Algorithmus mittels künstlicher Intelligenz, welcher die automatisierte Quantifizierung der Plasmodien-infizierten Erythrozyten in Blutausstrichen ermöglicht. Mithilfe von Deep learning, der State-of-the-Art-Methode im Bereich des maschinellen Lernens, soll der Algorithmus darauf trainiert werden, die verschiedenen Parasitenstadien in infizierten Blutzellen sowie nicht-infizierte Blutzellen zu identifizieren. Anschließend wird der Bildanalyse-Algorithmus hinsichtlich Sensitivität und Reproduzierbarkeit gegenüber der manuellen Methode überprüft.

Hochschuljubiläumsfonds der Stadt Wien

Zentrum für Pathobiologie