KI aus Freiburg liest Blutzellen: Wie CytoVI die Blutkrebs-Diagnostik erleichtern soll

Wer bei Leukämie oder einem Lymphom eine Diagnose stellen will, hat es nicht mit ein paar Zellen zu tun, sondern oft mit Millionen gemessener Zellen. Forschende des Universitätsklinikums Freiburg und des Weizmann-Instituts für Wissenschaften in Israel haben dafür ein KI-Modell entwickelt, das einen großen Teil dieser Kleinarbeit übernehmen soll. Es heißt CytoVI, die Studie dazu ist Ende September 2026 im Fachjournal „Nature Methods“ erschienen.

Ein digitaler Steckbrief für jede Zelle Grundlage ist ein Verfahren, das in Kliniken längst Alltag ist: die Durchflusszytometrie. Dabei strömen Blutzellen einzeln an Lasern vorbei. Die Messung erfasst, welche bestimmten Eiweiße eine Zelle trägt, wie groß sie ist und wie ihr Inneres aufgebaut ist. Fotos entstehen dabei keine – stattdessen bekommt jede Zelle eine Art digitalen Steckbrief aus Zahlen.

Diese Datenberge auszuwerten, ist bislang viel Handarbeit für Fachleute. Hinzu kommt ein praktisches Problem: Je nach Gerät, Labor oder Messtag unterscheiden sich die Werte leicht, und nicht jedes Labor misst dieselben Merkmale. Das macht es schwer, Proben über Jahre hinweg zu vergleichen.

Was CytoVI kann Das Modell lernt typische Muster in den Zelldaten und kann so etwa Leukämiezellen von anderen Blutzellen unterscheiden. Technische Unterschiede zwischen Messungen rechnet es heraus, damit am Ende die biologischen Unterschiede sichtbar bleiben. Fehlen in einem Datensatz Merkmale, die in einem anderen gemessen wurden, kann CytoVI diese Werte schätzen und ergänzen. Neben der Durchflusszytometrie verarbeitet es auch Daten aus der Massenzytometrie und aus CITE-seq, einem Verfahren, das Eiweiße und Genaktivität derselben Zelle erfasst.

„Das Modell entlastet Kliniken und hilft zugleich, neue Zellpopulationen zu entdecken“, sagt Erstautor Dr. Florian Ingelfinger von der Klinik für Innere Medizin I am Universitätsklinikum Freiburg.

Erste Ergebnisse mit Routinedaten Getestet haben die Forschenden das Werkzeug unter anderem mit Routinedaten zur chronischen lymphatischen Leukämie (CLL). Dort stimmte die automatische Erkennung der Krebszellen laut Ingelfinger sehr gut mit der Auswertung von Fachleuten überein. Konkrete Trefferquoten nennt die Mitteilung der Klinik allerdings nicht.

In einer zweiten Untersuchung mit Proben von 63 Menschen mit verschiedenen B-Zell-Lymphomen fand CytoVI automatisch Gruppen von T-Zellen, die zu bestimmten Krankheitsformen passten. Darunter war eine seltene Zellpopulation, die bei der ursprünglichen Auswertung von Hand nicht beschrieben worden war. Solche Zellgruppen könnten künftig Hinweise auf neue Diagnosemarker oder Ansatzpunkte für Therapien liefern – das muss sich aber erst noch zeigen.

Unterstützung, kein Ersatz Erstautor Ingelfinger betont, dass CytoVI die ärztliche Beurteilung unterstützen und nicht ersetzen soll. Zu jeder Analyse gibt das Modell an, wie verlässlich sie ist, damit Ärztinnen und Ärzte unsichere Fälle gezielt nachprüfen können. Eine Schwachstelle benennt das Team offen: Sehr wenige verbliebene Krebszellen sicher aufzuspüren, etwa nach einer Behandlung, bleibt schwierig.

Eine Zulassung als Diagnoseverfahren erwähnt die Klinik nicht. Als nächsten Schritt wollen die Freiburger die Methode auf weitere Blutkrebsarten anwenden. „Patientinnen brauchen vor allem eine verlässliche Diagnose und möglichst schnell Klarheit darüber, welche Erkrankung vorliegt“, sagt Prof. Dr. Robert Zeiser, Leiter der Abteilung für Tumorimmunologie und Immunregulation und Mitautor der Studie.

Frei für alle Labore Ein Detail macht das Projekt besonders zugänglich: CytoVI ist als Open-Source-Software kostenlos verfügbar, eingebunden in die Programmsammlung scvi-tools. Forschungsgruppen können es also mit ihren eigenen Daten ausprobieren. Für schnelle Berechnungen braucht es laut Dokumentation allerdings einen Grafikprozessor, und die zu verbindenden Datensätze müssen sich zumindest teilweise in den gemessenen Merkmalen überschneiden.