 |  | Barbara Döring |
 |
18.02.2026 07:00 Uhr |
Mit bloßem Auge ist krankes Gewebe nicht immer von gesundem zu unterscheiden. / © Adobe Stock/nuttawutnuy
Für Chirurginnen und Chirurgen kann es herausfordernd sein, bei operativen Eingriffen krankes von gesundem Gewebe mit bloßem Auge zu unterscheiden und so kritische Strukturen zu schonen. Die Spektral-Bildgebung ermöglicht es heute schon, mithilfe von hyperspektralen Kameras mehr Informationen zu erfassen als das menschliche Auge, etwa indem sie die Durchblutung oder den Sauerstoffgehalt des Gewebes ermittelt.
Die KI übersetzt die Daten in klinisch nutzbare Informationen. Dafür sind jedoch große Mengen an sogenanntem annotiertem Bildmaterial nötig. Dabei handelt es sich um Datensätze, die Mediziner mit zusätzlichen Informationen versehen. Solche Patientendaten sind aus ethischen und rechtlichen Gründen allerdings schwer verfügbar.
Um dieses Dilemma zu lösen, haben Forschende am Deutschen Krebsforschungszentrum (DKFZ) ein Verfahren entwickelt, bei dem die KI Bilddatensätze aus Tierversuchen nutzt, die in riesigen Mengen zur Verfügung stehen. Vorteil der standardisierten Daten: Sie enthalten verschiedene Gewebeveränderungen, die Forschende gezielt erzeugt und untersucht haben. Mithilfe des Xeno-Learnings ist die KI nun in der Lage, typische Veränderungen wie Durchblutungsstörungen im Tiergewebe zu erkennen und diese Information auf den Menschen zu übertragen.
»Die Herausforderung war, dass die Gewebesignaturen von Mensch, Schwein und Ratte sich in den absoluten Werten stark unterscheiden«, erläutert Studienleiterin Professor Dr. Lena Maier-Hein, Abteilungsleiterin am DKFZ und Direktorin am Nationalen Centrum für Tumorerkrankungen (NCT) Heidelberg. »Aber wir konnten zeigen, dass sich die Veränderungen bei Durchblutungsstörungen oder Kontrastmittelgabe in allen Spezies ähnlich verhalten.«
Die KI lernte nicht die absoluten Farbmuster, sondern die Veränderungsmuster bei bestimmten pathologischen Zuständen. Klassische mit Tierdaten trainierte KI-Modelle versagten bislang, wenn sie diese auf den Menschen übertrugen. Mit dem Xeno-Ansatz konnten die Forschenden diese Hürde überwinden.
Sie sehen in der neuen Methode großes Potenzial in der Chirurgie. Damit das Verfahren bald in OP-Sälen Einzug halten kann, haben sie ihren Programmcode und vortrainierte KI-Modelle anderen Wissenschaftlerinnen und Wissenschaftlern zugänglich gemacht.
