Erstellung von Spermiogrammen mit KI
tensorscope nutzte eine künstliche Intelligenz, die mit einer einzelnen, klaren Aufgabe betraut wurde: Spermien zählen und ihre Motilität bestimmen, um die Erstellung eines präzisen Spermiogramms zu unterstützen.
Eine solche Auswertung verlangt Wissen und Erfahrung. Das menschliche Gehirn besitzt dabei einen großen Vorteil: Es kann bisher Gelerntes auf neue Situationen übertragen. Eine neue Situation kann bereits eine anders beschaffene Probe unter dem Mikroskop sein.
Das Entwicklungsziel bestand darin, diese Transferfähigkeit für einen eng umrissenen Bildanalyseprozess mithilfe künstlicher Intelligenz nutzbar zu machen.
Das Grundprinzip von KI
Bei der Analyse von Mikroskopbildern kam Deep Learning zum Einsatz. Die Grundidee ist von der Biologie inspiriert: Das menschliche Gehirn besteht aus vernetzten Nervenzellen, die Signale verarbeiten und weitergeben.
Ein künstliches neuronales Netz bildet dieses Prinzip vereinfacht durch miteinander verbundene mathematische Funktionen ab. Jede Schicht verarbeitet Eingabedaten und gibt ein Ergebnis an die nächste weiter. Während des Trainings werden die Verbindungen so angepasst, dass die Ausgabe immer besser mit den fachlich markierten Beispielen übereinstimmt.
Lernen wie ein Mensch – aber mit vielen Beispielen
Auch ein Modell muss eine Aufgabe zunächst lernen. Damit es Bilder oder Videos analysieren kann, werden ihm viele Mikroskopaufnahmen zusammen mit den Positionen und Bewegungsmustern der relevanten Objekte gezeigt.
Dieser Vorgang wird sehr häufig wiederholt, bis das Modell stabile Ergebnisse erzielt. Der ursprüngliche Beitrag dokumentierte für das Basistraining der Seminal-Analyzer-KI rund 200 Stunden Rechenzeit.
Die fachliche Markierung der Trainingsdaten ist die Verbindung zwischen Laborwissen und mathematischem Modell.
Kundenspezifische Anpassung
Um den eigenen Qualitätsanspruch zu erfüllen, sah das Produktkonzept eine individuelle Anpassung an den jeweiligen Laboraufbau vor. Vor der produktiven Nutzung sollte geprüft werden, ob die KI die Daten des konkreten Mikroskops korrekt interpretiert.
Als Ausgangspunkt diente ein Basismodell, das bereits mit einer großen Menge unterschiedlicher Daten trainiert worden war. Anschließend wurde dieses Modell mit kundenspezifischen Aufnahmen weiterentwickelt. So ließ sich die Lernphase verkürzen und zugleich die Analyse auf Kamera, Optik und Bildcharakteristik des jeweiligen Systems abstimmen.
Das Basismodell sollte regelmäßig mit neuen Methoden und qualitätsgesicherten Daten weiterentwickelt werden. Ziel blieb, durch eine effiziente und präzise Spermienanalyse den Laboralltag zu erleichtern und eine belastbare Grundlage für die fachliche Arbeit zu liefern.