Skip to main navigation Skip to main content Skip to page footer
Euroimmun Brand Logo Euroimmun Brand Logo

EUROPattern Classifier 2.4

Intelligente Verstärkung für Ihre IIFT-Laborroutine

AI Rendering little robot doctor and microscope

Der EUROPattern Classifier, ein zu EUROLabOffice 4.0, kompatibles Softwareprodukt, stellt einen bedeutenden Meilenstein in der Automatisierung der indirekten Immunfluoreszenzmikroskopie dar. Mit der Entwicklung der Software bewegt sich Euroimmun auch in der Ära der künstlichen Intelligenz eng am Puls der Zeit. Die innovative Automatisierungslösung für die indirekte Immunfluoreszenzmikroskopie erfüllt zeitgemäß Kundenbedürfnisse und ermöglicht leistungsstarke und effektive Diagnostik.

Mithilfe von Deep Convolutional Neural Networks (einem Verfahren der künstlichen Intelligenz), die während der Entwicklung der Software trainiert wurden, generiert der EUROPattern Classifier Ergebnisvorschläge für indirekte Immunfluoreszenz (IIFT) einschließlich der IIFT-Musterklassifizierung für eine stetig wachsende Anzahl an Substraten sowie der Berechnung des Titers. Diese müssen anschließend durch den Anwender bestätigt werden.

  • Verstärkung für die IIFT-Laborroutine durch automatisch generierte Ergebnisvorschläge durch die KI-gestützte Software
  • Anwendung für eine wachsende Anzahl unterschiedlicher Substrate
  • Verfügbar für verschiedene IIFT-Automatisierungslösungen
  • "Stapelweise" Verifizierung negativer Ergebnisvorschläge durch den Anwender
  • Exzellente Übereinstimmung zwischen softwaregenerierter und konventioneller Auswertung (siehe unter „Publikationen“)

IIFT-Mustererkennung mithilfe des EUROPattern Classifiers – Was sind eigentlich Deep Convolutional Neural Networks (DCNN)?
Schnell das Mobiltelefon per Gesichtserkennung entsperren und die Übersetzungsapp mit der Sprachsteuerung nutzen: Künstliche neuronale Netzwerke, die auf biologischen Vorbildern basieren, begegnen uns in einfacher Form mittlerweile fast täglich, vor allem in den Bereichen Verarbeitung von Bild- und Audiodaten und maschinelles Lernen. Die Maschine „lernt“ mithilfe von Modellen bestimmte Merkmale und Muster in den Trainingsdaten zu erkennen, einzuordnen und das Erlernte auf neue eintreffende Informationen anzuwenden. Die abschließende Prüfung des Lernerfolgs wird mit unmarkierten Testdatensätzen durchgeführt. Das künstliche Netzwerk ist in einem Schichtmodell aufgebaut, wobei jede Ebene das Ergebnis weiter verfeinert. Die Information trifft zunächst auf eine Eingangsebene und durchläuft eine bestimmte Anzahl weiterer Ebenen, bis die Ausgangsebene erreicht wird und das Ergebnis feststeht. Das Zusammenspiel spezifischer Beurteilungen der eintreffenden Informationen durch die einzelnen Ebenen ermöglicht so die Auswertung komplexer Daten. Mit steigender Anzahl der zwischengelagerten Ebenen geht das klassische Convolutional Neural Network (CNN) in das Deep Convolutional Neural Network (DCNN) über, das Grundlage des Deep Learnings und der automatisierten IIFT-Mustererkennung von Euroimmun ist.

Als solche ist die Klassifizierungssoftware bereits für viele zellbasierte Testsysteme in der Autoimmun- und Infektionsdiagnostik etabliert. Mit dem neuesten Release 2.4 unterstützt sie nun auch die Interpretation von Immunfluoreszenzmustern auf komplexen Gewebesubstraten und ermöglicht die automatische Klassifizierung von Autoantikörpern bei organspezifischen Autoimmunerkrankungen.

Der Classifier generiert automatisch Ergebnisvorschläge aus Bildern, die mit dem All-in-one-IIFT-System UNIQO 160 sowie mit den automatischen Mikroskopen EUROPattern-Mikroskop und EUROPattern Microscope Live aufgenommen wurden.

Die Verfügbarkeit der Anwendungen des EUROPattern Classifiers ist geräteabhängig. Nähere Informationen finden Sie auf den einzelnen Webseiten der jeweiligen Euroimmun-Geräte. Darüber hinaus darf der Classifier nur mit Testsystemen verwendet werden, die gemäß ihrer Gebrauchsanweisung mit dieser Software ausgewertet werden können. Der EUROPattern Classifier ist ein zu EUROLabOffice 4.0 kompatibles Softwareprodukt.

Kundenstimmen

Dr. Jens Heidrich

Wir haben etwa die Zeit der Auswertung halbiert.

Dr. Jens Heidrich
Dr. Matthias Orth

Alles in allem hat man dank der Bilder und der hohen Standardisierung eine deutliche Verbesserung der Ergebnisqualität [...]

Dr. Matthias Orth

ANA-Diagnostik

  • HEp-2-/HEp-20-10-Zellen: Automatisch generierte Muster- und Titervorschläge mit Konfidenzwerten für 9 Fluoreszenzmuster gem. ICAP* und deren beliebige Kombinationen
    *International Consensus on Antinuclear Antibody (ANA) Pattern
  • Crithidia luciliae: Automatische Positiv-Negativ-Klassifizierung und Titervorschläge auf Basis der spezifischen Kinetoplast-Fluoreszenz zum Nachweis von Anti-dsDNA-Antikörpern

ANCA-Diagnostik

  • Granulocyten: Automatisch generierte Muster- und Titervorschläge mit Konfidenzwerten für die Fluoreszenzmuster pANCA, cANCA und atypische ANCA
  • HEp-2-Zellen + Granulocyten (EOH): Der Kombinations-BIOCHIP dient der gezielten Differenzierung zwischen ANA und cytoplasmatischen Antikörpern (Ergebnis wird als ANA-Interferenz ausgegeben)
  • EUROPLUS Antigen-Dots: Automatische Positiv-Negativ-Klassifizierung der monospezifischen Antigen-Fluoreszenz zur Bestätigung und Abgrenzung spezifischer Erkrankungen aus dem Bereich der ANCA-assoziierten Vaskulitiden (GPA und MPA)

Diagnostik mithilfe Antigen-exprimierender Zellen

  • Neurologie: Automatische Positiv-Negativ-Klassifizierung und Titervorschläge mit Konfidenzwerten für verschiedene Antigene, wie AMPA 1/2, NMDAR, GABAR B1/B2, LGI1, CASPR2, DPPX, Aquaporin-4 und MOG
  • Nephrologie: Automatische Positiv-Negativ-Klassifizierung und Titervorschläge mit Konfidenzwerten für das Antigen PLA2R und THSD7A
  • Infektionsdiagnostik: Automatische Positiv-Negativ-Klassifizierung und Titervorschläge mit Konfidenzwerten für die Antigene EBV-CA, EBV-EA und EBNA

Diagnostik autoimmuner Lebererkrankungen

  • Leber (Ratte): Automatische Positiv-Negativ-Klassifizierung für relevante ANA und Erkennung eines anti-LKM-ähnlichen Musters für die unterstützende Diagnostik der Autoimmunhepatitis Typ 1 bzw. Typ 2
  • Niere (Ratte): Automatische Positiv-Negativ-Klassifizierung für AMA (spezifisch für eine primär biliäre Cholangitis) und Erkennung eines anti-LKM-ähnlichen Musters
  • Magen (Ratte): Automatische Positiv-Negativ-Klassifizierung für ASMA

Diagnostik der autoimmunen Zöliakie (glutensensitive Enteropathie)

  • Leber (Affe) IgA: Automatische Positiv-Negativ-Klassifizierung für Antikörper gegen Endomysium für die unterstützende Diagnostik der Zöliakie
  • Ösophagus (Affe) IgA: Automatische Positiv-Negativ-Klassifizierung für Antikörper gegen Endomysium für die unterstützende Diagnostik der Zöliakie

  1. Gerlach S, Affeldt K, Pototzki L, Krause C, Voigt J, Fraune J, Fechner K. Automated evaluation of Crithidia luciliae based indirect immunofluorescence tests: A novel application of the EUROPattern-Suite technology. J Immunol Res Article 2015:742402 (2015).
  2. Krause C, Ens K, Fechner K, Voigt J, Fraune J, Rohwäder E, Hahn M, Danckwardt M, Feirer C, Barth E, Martinetz T, Stoecker W. EUROPattern-Suite technology for computer-aided immunofluorescence microscopy in autoantibody diagnostics. Lupus 24: 516-529 (2015).
  3. Fraune J, Gerlach S, Renztsch K, Teegen B, Lederer S, Affeldt K, Fechner K, Danckwardt M, Voigt J, Probst C, Komorowski L, Stöcker W. Multiparametric serological testing in autoimmune encephalitis using computer-aided immunofluorescence microscopy (CAIFM). Autoimmun Rev 15(10):937-942 (2016).
  4. Hormann W, Hahn M, Gerlach S, Hochstrate N, Affeldt K, Giesen J, Fechner K, Damoiseaux J. Performance analysis of automated evaluation of Crithidia luciliae-based indirect immunofluorescence tests in a routine setting – strengths and weaknesses. Clin Chem Lab Med 56(1):86-93 (2017).
  5. Van Beers JJBC, Hahn M, Fraune J, Mallet K, Krause C, Hormann W, Fechner K, Damoiseaux JGMC. Performance analysis of automated evaluation of antinuclear antibody indirect immunofluorescent tests in a routine setting. Auto Immun Highlights 9(1):8 (2018).
  6. Hocke J, Krauth J, Krause C, Gerlach S, Warnemünde N, Affeldt K, van Beek N, Schmidt E, Voigt J. Computer-aided classification of indirect immunofluorescence patterns on esophagus and split skin for the detection of autoimmune dermatoses. Front Immunol 14:1111172 (2023). DOI: 10.3389/fimmu.2023.1111172.