KI entschlüsselt Merkmale von Typ-2-Diabetes in Pankreas-Gewebeschnitten

Welche Gewebestrukturen spielen im Pankreas bei Typ-2-Diabetes eine Rolle? Und wie verändern sie sich durch den Krankheitsverlauf? Darauf können Forschende nun mithilfe von erklärbarer Künstlicher Intelligenz (XAI) eine Antwort geben.

Bislang ist es schwierig, anhand klassischer histopathologischer Untersuchungen zuverlässig Rückschlüsse auf den glykämischen Zustand einer Person zu ziehen. Viele feine morphologische Veränderungen, die mit einer gestörten Insulinsekretion und dem Funktionsverlust von Betazellen einhergehen, sind mit dem bloßen Auge kaum zu erkennen. 

Forschende mehrerer Partnerinstitutionen des Deutschen Zentrums für Diabetesforschung (DZD) haben gemeinsam mit internationalen Kolleg:innen einen neuen Ansatz zur Visualisierung subtiler Gewebeveränderungen in der Bauchspeicheldrüse bei Typ-2-Diabetes entwickelt. Die Ergebnisse liefern neue Einblicke in die Entstehung von Typ-2-Diabetes und wurden jüngst in ‘Nature Communications’ veröffentlicht.

Deep-Learning-Modelle unterscheiden zwischen Gewebeproben von Menschen mit und ohne Typ-2-Diabetes 

Um diese diagnostische Lücke zu schließen, erstellte das Forschungsteam einen umfangreichen Datensatz aus Pankreas-Gewebsschnitten lebender Spender. Die Proben wurden mit chromogenen sowie multiplexen immunfluoreszenten Färbungen kontrastiert und anschließend mittels Giga-Pixel-Mikroskopie hochauflösend erfasst.  

Auf dieser Grundlage trainierten die Wissenschaftler:innen Deep-Learning-Modelle, die zuverlässig zwischen Gewebeproben von Menschen mit und ohne Typ-2-Diabetes unterscheiden konnten. Die Modelle konnten den Diabetesstatus präzise vorhersagen und erstmals nachvollziehbar machen, welche Gewebestrukturen dabei eine zentrale Rolle spielen – darunter Veränderungen an Langerhans-Inseln, Alphazellen, neuronalen Axonen sowie die Nähe von Fettzellclustern zu Inselstrukturen.

Mithilfe von erklärbarer KI wurden die identifizierten Merkmale analysiert, quantifiziert und als potenzielle Biomarker beschrieben. Diese KI-gestützte Auswertung liefert neue Hinweise auf frühe und bislang schwer erkennbare Veränderungen bei Typ-2-Diabetes.

Was ist erklärbare KI?

Erklärbare KI – sogenannte Explainable AI (XAI) – ist ein Sammelbegriff für Methoden und Verfahren, die für Anwender:innen nachvollziehbar machen, warum ein KI-Modell zu einem bestimmten Ergebnis gekommen ist. Damit sollen Transparenz und Nachvollziehbarkeit vor allem bei komplexen Modellen gewährleistet werden.

(mkl/BIERMANN)