CytoVI: Open-Source-KI automatisiert Schritte der Blutkrebsdiagnostik
Veröffentlicht am: 08.10.2026 um 04:52 Uhr | Redaktion boerse-global.de
Forschende des Universitätsklinikums Freiburg und des Weizmann Institute haben ein quelloffenes Modell auf Basis künstlicher Intelligenz vorgestellt, das wesentliche Schritte der Blutkrebsdiagnostik automatisiert. Das System mit der Bezeichnung CytoVI dient der detaillierten Analyse von Durchflusszytometrie-Einzelzelldaten.
Die wissenschaftliche Arbeit und die zugrunde liegende Methodik wurden am 30. September 2026 in der Fachzeitschrift Nature Methods veröffentlicht, wie bionity.com am 8. Oktober 2026 berichtete.
Die Durchflusszytometrie gehört in der Hämatologie zu den zentralen Verfahren, um Zellen anhand ihrer Oberflächenmerkmale und physikalischen Eigenschaften präzise zu charakterisieren. Bislang erfordert die Auswertung der dabei anfallenden, komplexen Messdaten oft einen hohen manuellen Prüfaufwand durch spezialisiertes Laborpersonal. Das neue Open-Source-Werkzeug soll diesen Prozess beschleunigen und standardisieren.
Hohe Übereinstimmung bei chronischer lymphatischer Leukämie
In praktischen Untersuchungen zeigte CytoVI bereits eine hohe Leistungsfähigkeit bei der Erkennung bösartiger Veränderungen. Bei Daten von Fällen chronischer lymphatischer Leukämie identifizierte das Modell typische Krebszellen zuverlässig unter Millionen gemessener Einzelzellen. Ein direkter Abgleich ergab, dass die computergestützten Ergebnisse sehr gut mit den Befunden manueller Auswertungen durch Fachleute übereinstimmten.
Darüber hinaus untersuchten die Forschungsteams des Universitätsklinikums Freiburg und des Weizmann Institute Proben von 63 Patientinnen mit verschiedenen B-Zell-Lymphomen.
Die Auswertung von Durchflusszytometrie-Daten bindet in vielen Hämatologie-Laboren täglich spezialisiertes Personal — ein quelloffenes KI-Modell soll diese Schritte nun beschleunigen und standardisieren. Unser kostenloser Leitfaden zeigt in drei Schritten, wie Labore den Einstieg planen, Daten aufbereiten und Ergebnisse gegen manuelle Befunde abgleichen. Kostenlosen Leitfaden jetzt anfordern
CytoVI differenzierte in diesen Datensätzen unterschiedliche Gruppen von T-Zellen. Dabei identifizierte die Software unter anderem eine seltene Zellpopulation, die in den vorherigen manuellen Begutachtungen nicht beschrieben worden war.
Derartige Funde unterstreichen das Potenzial automatisierter Einzelzellanalysen, auch subtile biologische Muster aufzudecken, die dem menschlichen Auge bei Routinekontrollen entgehen können.
Herausforderungen bei geringer Tumormenge
Trotz der vielversprechenden Resultate weisen die beteiligten Institutionen auf bestehende Grenzen des Verfahrens hin. Insbesondere die sichere Identifikation sehr weniger Krebszellen innerhalb großer Zellmengen stellt weiterhin eine technische und diagnostische Herausforderung dar. Diese sogenannte minimale Resterkrankung, bei der nach einer Therapie nur noch minimale Spuren von Tumorzellen im Blut oder Knochenmark verbleiben, erfordert extreme Sensitivität, um Rückfälle frühzeitig zu erkennen.
Bei minimaler Resterkrankung entscheiden wenige Zellen über die Frage, ob ein Rückfall früh erkannt wird — und genau hier stößt die Automatisierung laut den beteiligten Forschungsteams weiterhin an Grenzen. Der Leitfaden ordnet ein, welche Sensitivität KI-gestützte Einzelzellanalysen heute erreichen und wo manuelle Kontrolle unverzichtbar bleibt. Leitfaden zur MRD-Erkennung sichern
Durch die Bereitstellung von CytoVI als Open-Source-Lösung steht das Werkzeug anderen Forschungseinrichtungen und medizinischen Laboren für weitere Überprüfungen und methodische Weiterentwicklungen frei zur Verfügung. Die offene Zugänglichkeit soll es ermöglichen, das Modell auf breiter Basis mit unterschiedlichen klinischen Datensätzen zu testen und die algorithmische Erkennung seltener Zellereignisse schrittweise zu verfeinern.
