KI sagt Molekularsubtypen von Hirntumoren in zwölf Minuten voraus

Technik und Auswirkungen

Hetairos erreichte eine definitive diagnostische Genauigkeit von 68 %, während die menschlichen Spezialisten im Durchschnitt nur 30 % erzielten. Bei der Bewertung der drei wahrscheinlichsten Diagnosen erreichte die KI 84 %, was das menschliche Durchschnittsniveau von 50 % verdoppelte.

Zwölf Minuten versus zwölf Tage: In einer prospektiven klinischen Prüfung, die parallel zu Routine-Hospitalkonzepten durchgeführt wurde, benötigten herkömmliche umfassende molekulare Diagnostiken im Durchschnitt zwölf Tage für die Erstellung eines Berichts.

Hetairos generierte seine präzisen molekularen Subtypisierungsvorhersagen in nur zwölf Minuten unter Verwendung des Routinepräparats. Der „High-Certainty"-Filter: Hetairos verfügt über ein selbstbewertendes Vertrauensmaß. In 50 % bis 70 % aller untersuchten Fälle markierte die KI ihre eigenen Vorhersagen mit einem „hohen Grad an Sicherheit".

In diesem gefilterten Segment stieg ihre

In diesem gefilterten Segment stieg ihre diagnostische Genauigkeit auf eine außergewöhnliche Rate von 87 % bis 88 %. Selbst in hochgradig mehrdeutigen Fällen gelingt es ihr, ein Spektrum von über 100 Subtypen auf wenige wahrscheinliche Kandidaten einzugrenzen.

Explainable AI Tissue Mapping: Durch Umgehung der klassischen Kritik an neuronalen Netzen als „Black Box" hebt Hetairos aktiv die exakten mikroskopischen Bereiche auf dem Gewebeschnitt hervor, die ihre computergestützte Entscheidung begründen.

Diese Funktion ermöglicht Pathologen, die Logik der KI visuell zu überprüfen, klare Grenzen für gezielte genomische Tests zu definieren und die Behandlungsplanung innerhalb von 24 bis nach der ersten Biopsie fortzusetzen. Quelle: DKFZ Tumore des Gehirns und des Rückenmarks sind außerordentlich vielfältig.

In den letzten Jahren hat sich

In den letzten Jahren hat sich gezeigt, dass viele dieser Tumore nur dann zuverlässig diagnostiziert werden können, wenn neben ihrem mikroskopischen Erscheinungsbild auch ihre molekularen Eigenschaften untersucht werden. die sogenannte DNA-Methylierungsanalyse, die heute als Goldstandard für die präzise Klassifizierung vieler Hirntumoren gilt.

Solche Tests sind jedoch komplex: Sie erfordern spezialisierte Labore, teure Geräte und ausreichendes Tumormaterial. Zudem dauert es oft etwa zwei Wochen, bis die Ergebnisse vorliegen. In vielen Regionen der Welt sind die notwendigen Technologien gar nicht verfügbar.

KI lernt aus über 11.000 Gewebeschnitten Ein neues KI-System namens „Hetairos" soll erhebliche Verbesserungen bringen. Es wurde Leitung (Deutsches Krebsforschungszentrum, DKFZ) und Felix Sahm (Medizinische Fakultät der Universität Heidelberg und Universitätsklinikum Heidelberg) entwickelt.

Technik und Auswirkungen

Ziel des Projekts war es, allein anhand routinemäßig hergestellter und gefärbter histologischer Schnitte vorherzusagen, zu welcher molekularen Subgruppe ein Tumor gehört. Das KI-System „Hetairos" sagt 102 molekulare Subtypen äzise innerhalb ölf Minuten aus Standardgewebeschnitten voraus und übertrifft erfahrene menschliche Neuropathologen deutlich.

Quelle: Neuroscience News. Hetairos wurde mit über 11.000 digitalisierten Gewebeschnitten von 9.606 Patienten trainiert und validiert. Die Diagnosen wurden hauptsächlich mittels DNA-Methylierungsdiagnostik erstellt. Die Daten stammen vier Kontinenten.

Insgesamt unterscheidet Hetairos 102 verschiedene molekulare Tumorsubtypen und deckt damit nahezu das gesamte Spektrum der aktuellen WHO-Klassifikation. Die KI bewertet nicht nur ihre Diagnose, sondern gibt auch an, wie sicher sie dabei ist.

Technik und Auswirkungen

In etwa 50 bis 70 Prozent aller Fälle wurden Vorhersagen mit einem hohen Grad an Sicherheit getroffen; in diesen Fällen lag die Genauigkeit bei rund 87 bis 88 Prozent. Auch wenn die KI unsicher war, konnte sie in der Regel die Anzahl der möglichen Diagnosen erheblich eingrenzen.

Anstatt zwischen über hundert Tumorsubtypen unterscheiden zu müssen, liefert Hetairos neuropathologischen Experten häufig nur wenige wahrscheinliche Kandidaten.

Dies kann die Auswahl weiterer diagnostischer Tests erheblich vereinfachen. „Die Studie zeigt, dass künstliche Intelligenz molekulare Informationen direkt aus Routine-Gewebschnitten ableiten kann und damit die Krebsdiagnostik grundlegend verändern wird", sagte Darui Jin, einer der leitenden Autoren der Studie. Hetairos übertrifft erfahrene Spezialisten.

Einordnung fuer Autofahrer

Besonders bemerkenswert war der direkte Vergleich mit menschlichen Experten. Fünf erfahrene Neuropathologen aus verschiedenen internationalen Zentren wurden mit 210 Fällen konfrontiert und aufgefordert, eine Diagnose ausschließlich auf Basis der Gewebeschnitte zu stellen.

Hetairos erreichte eine Genauigkeit von 68 Prozent, während die Spezialisten im Durchschnitt nur 30 Prozent erreichten.

Betrachtet man die drei wahrscheinlichsten Diagnosen pro Fall, erzielte die KI 84 Prozent, während die Spezialisten etwa 50 Prozent erreichten. „Die Ergebnisse zeigen, dass moderne KI-Systeme nun in der Lage sind, extrem feine morphologische Muster zu erkennen, die selbst für erfahrene Spezialisten schwer zu unterscheiden sind", sagt Felix Sahm. „Derzeit stellt die Diagnose sehr seltener Tumortypen für Hetairos weiterhin eine große Herausforderung dar; in dieser Hinsicht scheinen erfahrene Neuropathologen mindestens auf Augenhöhe zu sein.

Technik und Auswirkungen

Wir erwarten jedoch, dass die Leistung des Systems mit größeren und vielfältigeren Datensätzen noch weiter verbessert wird", fügt Moritz Gerstung hinzu. Diagnose in zwölf Minuten statt zwölf Tagen In einer prospektiven Studie wurde Hetairos parallel zur routinemäßigen klinischen Praxis eingesetzt.

Das System analysierte 210 Tumorgewebsproben, ohne dass das KI-Ergebnis die eigentliche Diagnose oder die Behandlungsentscheidung beeinflusste.

Während die vollständige molekulare Diagnostik durchschnittlich etwa zwölf Tage in Anspruch nahm, erzeugte Hetairos seine Befunde bereits nach zwölf Minuten auf Standard-Computerhardware, nachdem die gefärbten Gewebeschnitte digitalisiert worden waren.

Unter Bercksichtigung der Probenvorbereitung und der

Unter Bercksichtigung der Probenvorbereitung und der Digitalisierung der Gewebeschnitte knnen die Ergebnisse hufig innerhalb vorliegen.

Die Untersttzung bei schwierigen und unklaren Fllen durch Hetairos kann insbesondere dann, wenn konventionelle molekulare Methoden an ihre Grenzen stoen, wenn fr genetische Untersuchungen unzureichendes Tumormaterial vorliegt oder wenn molekulare Tests keine eindeutigen Ergebnisse liefern.

Darber hinaus markiert das System die Bereiche im Gewebeschnitt, die fr seine Entscheidungsfindung besonders relevant waren.

Technik und Auswirkungen

Dies ermglicht es rzten, die Grundlage der Diagnose der KI nachzuvollziehen und zu identifizieren, welche Regionen fr weitere Untersuchungen geeignet sein knnten. Wir haben Hetairos primr als Werkzeug zur Untersttzung der Diagnostik entwickelt", erlutert der Neuropathologe Felix Sahm. Es ist nicht dazu gedacht, molekulare Analysen zu ersetzen, sondern diese gezielt zu ergnzen und zu beschleunigen." Die Technologie knnte einen wichtigen Beitrag leisten, insbesondere in Lndern oder Regionen mit begrenzten Ressourcen, da sie auf weltweit blichen Gewebeschnitten basiert.

Die Methode knnte zudem wirtschaftliche Vorteile bieten. Whrend eine DNA-Methylierungsanalyse in der Regel mehrere hundert Euro kostet, nutzt Hetairos fr seine Analyse bestehende Gewebeschnitte.

Moritz Gerstung besttigt: Hetairos demonstriert das enorme Potenzial KI-gesttzter digitaler Pathologie, schnelle und weit verfgbar diagnostische Methoden bereitzustellen, die zuvor nur mit erheblichem technischen Aufwand mglich waren." Wichtige Fragen beantwortet: A: Durch die Erkennung extrem komplexer, mikroskopischer Strukturmerkmale, die fr das bloe menschliche Auge unsichtbar sind.

Was die Studie zeigt

Wenn Tumore genetisch mutieren, verndern diese molekularen nderungen subtil, wie sich die Zellen gruppieren, formen und verbinden.

Durch das Training an ber 11.000 globalen Gewebeproben, bei denen die molekularen Daten bereits bekannt waren, lernte Hetairos, diese ultra-subtilen physikalischen Formen wieder ihren spezifischen genetischen Subtypen zuzuordnen und tiefe molekulare Daten direkt aus einer routinemigen visuellen Scan-Aufnahme zu extrahieren.

A: Nein, es wurde entwickelt, um als fortschrittlicher, hochgeschwindigkeitsfhiger diagnostischer Assistent zu dienen. Wie der Co-Entwickler Dr. Felix Sahm betont, ist Hetairos kein Ersatz fr traditionelle molekulare Tests oder menschliche Aufsicht, sondern ein ergnzendes Werkzeug.

Whrend es menschliche Durchschnittswerte bei massiven,

Whrend es menschliche Durchschnittswerte bei massiven, mehrschichtigen Mustern bertrifft, bleiben menschliche Neuropathologen bei der Diagnose auergewhnlich seltener, einzigartiger Tumor-Anomalien vollstndig gleichwertig oder sogar berlegen.

Die KI fungiert als digitaler Copilot, der einfache Flle schnell bearbeitet und komplexe Flle eingrenzt, sodass rzte schneller und genauer arbeiten knnen. A: Kritische, lebensverndernde Zeit wird gespart.

Bei der Behandlung aggressiver Hirn- oder Rückenmarkstumoren kann es lebensgefährlich sein, zwölf Tage auf komplexe molekulare Ergebnisse zu warten, bevor ein medizinisches Team einen maßgeschneiderten Behandlungsplan erstellen kann.

Technischer Hintergrund

Hetairos liefert hochpräzise Vorhersagen zur molekularen Subtypisierung bereits innerhalb ölf Minuten und ermöglicht es Neuroonkologen, die genaue Charakteristik des Tumors sicher zu bestimmen und hochspezifische, lebensrettende Therapien innerhalb von 24 bis nach dem ersten chirurgischen Eingriff einzuleiten.

Redaktionelle Hinweise: Dieser Artikel wurde News bearbeitet. Zusätzliche Kontextinformationen wurden ügt. Über diese Neuigkeiten zu Hirnkrebs und KI-Forschung: Autor: Sibylle Kohlstädt Quelle: DKFZ Kontakt: Sibylle Kohlstädt – DKFZ Bild: Das Bild ist Neuroscience News zu verdanken.

Originalforschung: Open Access. "Hetairos ist ein auf Histologie basierendes KI-Modell zur Vorhersage zentralen Nervensystems" (晋达睿), Artem Shmatko, Areeba Patel, Samuel Rutz, Lukas Friedrich, Rouzbeh Banan, Ramin Rahmanzade, Philipp Sievers, Stefan Hamelmann, Daniel Schrimpf, Kirsten Göbel, Henri Bogumil, Sybren L. N. Maas, Martin Sill, Felix E.

Technik und Auswirkungen

Hinz, Abigail K. Suwala, Felix Keller, Antje Habel, Gleb Rukhovich, Ferdinand Zettl, Obada T. Alhalabi, Sebastian Ille, Jannik Sehring, Daniel Amsel, Benedikt Wiestler, Pedro Piovesan Lago, Bogdana Suchorska, Olfat Ahmad, Dominik Sturm, David Reuss, Pieter Wesseling, Adelheid Wöhrer, Frank L.

Heppner, Ingmar Blümcke, Claire Delbridge, Martin Jakobs, Christel Herold-Mende, Sandro M. Krieg, Wolfgang Wick, David T. W. Jones, Stefan M.

Die Autoren sind Pfister, Maysa Al-Hussaini, Yanghao Hou, Felipe D'Almeida Costa, Leonille Schweizer, Luca Bertero, Till Acker, Arnault Tauziede-Espariat, Pascale Varlet, Doron Merkler, Kristof Egervari, Hildegard Dohmen, Pablo Zoroquiain, Roger Gejman, Sebastian Brandner, Xiangzhi Bai, Andreas, Felix Sahm und Moritz Gerstung.

Technik und Auswirkungen

Nature Cancer DOI:10.1038/s43018-026-01186-3 Hetairos ist ein auf Histologie basierendes künstliches Intelligenz-Modell zur Vorhersage methylierungsbasierter Subtypen. Die molekulare Diagnostik ist für die Klassifizierung (CNS) unerlässlich, wobei die Methylierungsprofilierung die höchste diagnostische Granularität bietet.

Dies erfordert jedoch mehr Ressourcen und Zeit als die konventionelle Hämatoxylin-Eosin (H&E)-Histopathologie, die weltweit weit verbreitet ist. Hier stellen wir Hetairos vor, einen künstlichen Intelligenz-Algorithmus, der 102 methylierungsbasierte Subtypen aus digitalen H&E-Schnitten vorhersagt.

Hetairos wurde an 9.606 Patient:innen und mehr als 11.000 Glasobjektträgern aus 11 Zentren auf vier Kontinenten entwickelt und validiert. Das System identifizierte 50–70 % der Fälle mit hoher Zuversicht und erreichte bei seinen am besten bewerteten Vorhersagen eine Genauigkeit von 0,87.

Technik und Auswirkungen

In einem direkten Vergleich, der ausschließlich auf der Histologie basierte, übertraf Hetairos fünf board-zertifizierte Neuropathologen (0,68 gegenüber 0,30). Eine prospektive Evaluation im Rahmen der Routinediagnostik bestätigte die Leistungsfähigkeit des Systems und verkürzte die Durchlaufzeit von (molekulare Tests) auf.

Hetairos unterstützt die diagnostische Entscheidungsfindung über das gesamte Spektrum pädiatrischer und erwachsener ZNS-Tumoren, indem es die Differentialdiagnosen eingrenzt und effiziente Teststrategien ermöglicht.