KI diagnostiziert Hirntumoren in Minuten statt Wochen

Heidelberger Expert:innen entwickelten ein KI-System zur präzisen Klassifikation von Hirntumoren aus routinemäßigen histologischen Gewebeschnitten. Das System erkennt anhand digitalisierter Standardfärbungen mehr als 100 molekulare Untergruppen von Tumoren des zentralen Nervensystems. Die Analyse liefert Ergebnisse innerhalb weniger Minuten. Dies könnte die globale Diagnostik von Hirntumoren erheblich beschleunigen.

Tumoren des Gehirns und Rückenmarks zeigen eine ausgeprägte morphologische Vielgestaltigkeit. Eine zuverlässige Einordnung erfordert heute zunehmend die Analyse molekularer Eigenschaften. Die DNA-Methylierungsanalyse gilt hierbei als Goldstandard für die präzise Tumorklassifikation.

Diese molekularbiologischen Untersuchungen sind jedoch extrem aufwendig. Sie erfordern spezialisierte Labore, teure Infrastruktur und ausreichende Mengen an Tumorgewebe. Die Befundung dauert meist rund zwei Wochen. In vielen Regionen fehlen diese Technologien vollständig.

Multizentrisches Training des Modells „Hetairos“

Das neue KI-System „Hetairos“ soll diese diagnostische Lücke schließen. Die Entwicklung leiteten Moritz Gerstung und Felix Sahm. Das Modell prognostiziert molekulare Tumoruntergruppen ausschließlich aus routinemäßig gefärbten histologischen Schnitten.

Das Training und die Validierung erfolgten mit über 11.000 digitalisierten Gewebeschnitten von 9.606 Patienten. Als Referenz diente überwiegend die DNA-Methylierungsdiagnostik. Die Datensätze stammten aus elf internationalen medizinischen Zentren von vier Kontinenten. Hetairos differenziert 102 molekulare Tumorsubtypen. Damit deckt das System fast die gesamte WHO-Klassifikation für ZNS-Tumoren ab.

Das System gibt zu jeder Diagnose ein entsprechendes Konfidenzniveau aus. In 50 bis 70 Prozent aller Fälle lag eine hohe Vorhersagesicherheit vor. Die diagnostische Genauigkeit erreichte hier 87 bis 88 Prozent. Bei unsicheren Fällen grenzte die KI die Differenzialdiagnosen stark ein.

Das System reduziert die Zahl der wahrscheinlichen Kandidaten für die Neuropathologie signifikant. Dies erleichtert die Auswahl gezielter Folgetests erheblich. „Die Arbeit zeigt, dass künstliche Intelligenz in der Lage ist, molekulare Informationen direkt aus Routine-Gewebeschnitten abzuleiten und damit die Krebsdiagnostik grundlegend zu verändern“, so Darui Jin.

Benchmark-Vergleich: Algorithmus versus Facharzt-Expertise

Ein direkter Leistungsvergleich erfolgte mit fünf erfahrenen internationalen Neuropathologen anhand von 210 ausgewählten Fällen. Die Diagnose basierte exklusiv auf den Gewebeschnitten. Hetairos erzielte eine Trefferquote von 68 Prozent. Die Fachärzte erreichten im Durchschnitt 30 Prozent. Bei Berücksichtigung der Top-3-Diagnosen lag die KI bei 84 Prozent, die Mediziner bei 50 Prozent.

„Die Ergebnisse zeigen, dass moderne KI-Systeme inzwischen in der Lage sind, äußerst feine morphologische Muster zu erkennen, die selbst für erfahrene Spezialisten schwer zu unterscheiden sind“, sagt Felix Sahm.

„Aktuell stellt die Diagnose von sehr seltenen Tumorarten noch eine große Herausforderung für Hetairos dar, hier scheinen erfahrene Neuropathologen mindestens ebenbürtig. Wir gehen allerdings davon aus, dass die Leistungsfähigkeit des Systems mit größeren und vielfältigeren Datensätzen noch weiter steigt“, ergänzt Moritz Gerstung.

Validierung der Analysengeschwindigkeit im klinischen Workflow

Eine prospektive Studie evaluierte Hetairos parallel zur etablierten klinischen Routine. Das System analysierte hierbei 210 Tumorproben ohne therapeutische Relevanz für die Patienten.

Die klassische molekulare Diagnostik benötigte im Schnitt rund zwölf Tage. Hetairos generierte den Befund nach der Digitalisierung in nur zwölf Minuten auf Standard-Hardware. Der gesamte Workflow inklusive Präparation benötigt meist unter 48 Stunden.

Diagnostische Unterstützung bei limitiertem Probenmaterial

Das System bietet Vorteile bei geringen Probenmengen oder uneindeutigen molekularen Testergebnissen. Zudem markiert der Algorithmus die entscheidungsrelevanten Gewebeareale (Explainable AI). Pathologen können die Diagnosebasis so visuell nachvollziehen und weitere Analysen gezielt steuern.

„Wir haben Hetairos vor allem als Werkzeug zur Unterstützung der Diagnostik entwickelt“, erläutert der Neuropathologe Felix Sahm. „Es soll molekulare Analysen nicht ersetzen, sondern gezielt ergänzen und beschleunigen. Besonders in Ländern oder Regionen mit begrenzten Ressourcen könnte die Technologie einen wichtigen Beitrag leisten, da sie auf den weltweit verwendeten Standard-Gewebeschnitten basiert.“

Das Verfahren bietet zudem erhebliche wirtschaftliche Vorteile. Eine DNA-Methylierungsanalyse kostet typischerweise mehrere hundert Euro. Hetairos nutzt dagegen ohnehin verfügbare histologische Schnitte. Moritz Gerstung bestätigt: „Hetairos zeigt das enorme Potenzial KI-gestützter digitaler Pathologie, schnelle und breit verfügbare Diagnoseverfahren bereitzustellen, die bislang nur mit erheblichem technischem Aufwand möglich waren.“

Quelle

Deutsches Krebsforschungszentrum (06/2026)