KI-Modell soll Blutkrebs-Diagnostik deutlich erleichtern

Bei Blut- und Lymphdrüsenkrebs müssen große Mengen komplexer Einzelzelldaten ausgewertet werden. Forschende des Universitätsklinikums Freiburg und des Weizmann Institute of Science in Israel haben nun ein auf Künstlicher Intelligenz basierendes Modell entwickelt, das wesentliche Teile dieser Analyse automatisieren kann.

„Wir können damit Blutproben, die in der Klinik ohnehin erfasst werden, künftig wesentlich stärker automatisiert auswerten“, erklärt Dr. Florian Ingelfinger, Erstautor der Studie und Wissenschaftler an der Klinik für Innere Medizin I des Universitätsklinikums Freiburg und Nachwuchsgruppenleiter im Deutschen Konsortium für Translationale Krebsforschung (DKTK), Partnerstandort Freiburg. „Das Modell entlastet Kliniken und hilft zugleich, neue Zellpopulationen zu entdecken, die als diagnostische Marker oder mögliche Ansatzpunkte für Therapien interessant sind.“ Ingelfinger leitet am Universitätsklinikum Freiburg das Laboratory for Generative Single Cell Immunology. Die Methode wurde am 30. September 2026 in „Nature Methods“ veröffentlicht.

Von der Forschung in die Routinediagnostik

CytoVI analysiert Einzelzelldaten, wie sie bei der Durchflusszytometrie entstehen, erkennt darin typische Muster und kann beispielsweise Leukämiezellen automatisch von anderen Blutzellen unterscheiden. Eine zentrale Stärke des Modells ist den Entwicklern zufolge, dass es technische Unterschiede zwischen verschiedenen Messungen, etwa durch unterschiedliche Geräte, Messzeitpunkte oder Labore, rechnerisch berücksichtigt und hilft, sie von biologischen Unterschieden zu trennen. Das ermöglicht eine besser vergleichbare Auswertung.

„Patientinnen und Patienten brauchen vor allem eine verlässliche Diagnose und möglichst schnell Klarheit darüber, welche Erkrankung vorliegt. Dabei könnte uns CytoVI künftig helfen“, ist Prof. Robert Zeiser, Leiter der Abteilung für Tumorimmunologie und Immunregulation an der Klinik für Innere Medizin I des Universitätsklinikums Freiburg, überzeugt. Bei 63 Patienten mit verschiedenen B-Zell-Lymphomen identifizierte CytoVI automatisch T-Zell-Gruppen, die mit bestimmten Erkrankungsformen verbunden waren. Darunter war auch eine seltene Zellpopulation, die in der ursprünglichen manuellen Analyse nicht beschrieben worden war. Solche Zellgruppen können Hinweise auf diagnostische Biomarker und mögliche therapeutische Zielstrukturen geben.

Besonders kliniknah erwies sich laut den Forschenden die Auswertung von Daten aus der Routinediagnostik bei Chronischer lymphatischer Leukämie (CLL). „Wir konnten sehen, dass die automatische Identifizierung mit der manuellen Auswertung sehr gut übereinstimmt“, erklärt Ingelfinger.

Aktuell noch eine Herausforderung ist die sichere Identifikation von sehr wenigen Krebszellen, etwa nach einer Krebstherapie. Die Zuverlässigkeit der Analyse wird Ärzten jeweils mit ausgegeben, so dass gezielte Überprüfungen möglich sind. „CytoVI soll die ärztliche Beurteilung unterstützen, nicht komplett ersetzen“, so Ingelfinger weiter.

Frei zugängliche Open-Source-Software

Einen weiteren Vorteil sehen die Forschenden darin, dass ihr Modell die großen Mengen an Durchflusszytometrie-Daten, die über viele Jahre in der Routinediagnostik entstehen, besser vergleichbar machen und gemeinsam auswerten kann. Damit werde ein bislang nur eingeschränkt nutzbarer Datenschatz für die Forschung erschlossen.

Die Forschenden des Universitätsklinikums Freiburg wollen nun das Verfahren auf weitere Blutkrebsarten übertragen. CytoVI ist als Open-Source-Software über https://scvi-tools.org frei verfügbar. Forschende können die Methode damit für eigene Einzelzelldaten nutzen.