KI-Software "LazySlide" verknüpft Gewebebilder mit molekularen Daten

Ein neues KI-Tool erleichtert die Analyse digitaler Gewebeschnitte und verbindet Bilddaten mit molekularen Informationen. Die Open-Source-Software „LazySlide“ könnte Diagnostik und biomedizinische Forschung effizienter machen.

Mikroskopische Gewebebilder sind zentral für die klinische Diagnostik und biomedizinische Forschung. Gleichzeitig stellen sogenannte Whole-Slide-Bilder aufgrund ihrer Größe und Komplexität hohe Anforderungen an die Auswertung. Eine Studie des CeMM unter Leitung von André Rendeiro, veröffentlicht in Nature Methods, präsentiert mit LazySlide eine neue Software für die KI-gestützte Bildanalyse in der Pathologie.

Whole-Slide-Bilder ermöglichen detaillierte Einblicke von der Gewebeübersicht bis auf Zellebene. Allerdings sind diese Daten:

• sehr groß und komplex
• häufig in proprietären Formaten gespeichert
• schwer mit anderen Datentypen wie RNA-Sequenzierung kombinierbar

Damit bleibt ein erheblicher Teil der in Gewebebildern enthaltenen Informationen bislang ungenutzt. Besonders die Integration von Bilddaten und molekularen Daten stellt eine zentrale Herausforderung dar.

Die Open-Source-Software LazySlide setzt hier an und nutzt sogenannte Foundation Models für die Analyse. Das Tool unterteilt große Bilddaten in kleinere Abschnitte und wertet diese automatisiert aus. Zu den Funktionen gehören die Erkennung von Zelltypen und Gewebemustern, Quantifizierung struktureller Veränderungen und die Analyse ohne aufwendige manuelle Annotation.

Erstautor Yimin Zheng erklärt: "Die Histologie enthält eine enorme Menge biologischer Information, ist aber oft nur schwer zugänglich für computerunterstützte Verfahren. Mit LazySlide wollten wir ein Werkzeug bereitstellen, das es Forschenden erlaubt, Gewebebilder systematisch und quantitativ zu untersuchen und das, was sie unter dem Mikroskop sehen, mit den zugrunde liegenden molekularen Prozessen zu verbinden."

Ein zentraler Vorteil von LazySlide ist die Kombination von histologischen Bilddaten mit Genexpressionsprofilen. In der Studie analysierten die Forschenden unter anderem Arteriengewebe mit und ohne Verkalkung.

Die Software konnte:

• gesundes und krankes Gewebe unterscheiden,
• entzündliche Signalwege identifizieren,
• Zusammenhänge zwischen Struktur und molekularen Prozessen sichtbar machen.

Damit entsteht ein umfassenderes Bild biologischer Mechanismen, etwa bei Herz-Kreislauf-Erkrankungen.

Eine weitere Funktion ist die Suche per Spracheingabe. Nutzende können Begriffe wie "Verkalkung" eingeben, woraufhin die Software relevante Bereiche im Gewebe markiert und quantifiziert.

Zudem ermöglicht LazySlide sogenannte Zero-Shot-Analysen:

• Erkennung von Organen ohne spezifisches Training
• Unterscheidung von gesundem und krankem Gewebe
• flexible Anwendung auf unterschiedliche Fragestellungen

LazySlide ist als Open-Source-Tool konzipiert und lässt sich in bestehende bioinformatische Workflows integrieren. Ziel ist es, die digitale Pathologie stärker mit datengetriebenen Ansätzen aus Genomik und Einzelzellforschung zu verknüpfen.

Studienleiter André Rendeiro betont: „Unser Ziel war es, die Analyse von Whole-Slide-Bildern zugänglicher zu machen und besser mit den Datentypen zu verknüpfen, die Forschende im Alltag nutzen. Indem wir Gewebebilder als reichhaltige Datensätze und nicht als statische Abbildungen behandeln, können wir neue Einblicke gewinnen, wie Krankheiten die menschliche Biologie prägen.“

MEDICA.de; Quelle: CeMM Forschungszentrum für Molekulare Medizin der Österreichischen Akademie der Wissenschaften