Forscher des California Institute of Technology (Caltech) haben einen neuen KI-Algorithmus entwickelt, der Zellen in verschiedensten biologischen Bildern identifiziert und dabei stundenlanges manuelles Arbeiten erheblich reduziert. Das Tool mit dem Namen CellSAM (Cell Segment Anything Model) ist das Ergebnis einer interdisziplinären Zusammenarbeit zwischen dem Biologie-Professor David Van Valen und dem Professor für Informatik und mathematische Wissenschaften Yisong Yue. Die Ergebnisse der Studie wurden kürzlich im Fachjournal Nature Methods veröffentlicht. Bisher war das manuelle Identifizieren und Beschriften einzelner Zellen in Mikroskopbildern und Videos ein mühsamer und zeitaufwändiger Prozess. Studierende und Forscher verbrachten unzählige Stunden damit, Zellen von Hand zu markieren oder Fehler in Algorithmen zu korrigieren. CellSAM durchbricht diese Engpässe, indem ein einziges Modell für eine breite Palette biologischer Anwendungen eingesetzt werden kann. Biologische Aufnahmen können sich stark voneinander unterscheiden, etwa bei der Darstellung von Tumorzellen im Gewebe oder von Bakterien, die antibiotikaresistente Schleime produzieren. CellSAM ist das erste Modell, das flexibel auf vielfältige Use Cases anwendbar ist, um verschiedene Zelltypen zu erkennen, ihre Position zu bestimmen und ihre Interaktionen mit Nachbarn zu analysieren. Diese Fähigkeiten sind entscheidend, um komplexe Dynamiken zu verstehen, beispielsweise warum bestimmte Immuntherapien bei Krebs bei einem Patienten wirken und bei einem anderen nicht. Der Algorithmus wurde auf einer riesigen Anzahl von biologischen Bildern trainiert, die zuvor manuell beschriftet wurden. Das Forschungsteam plant, CellSAM weiterhin zu verbessern, indem es mit neuen Datenarten trainiert wird. Aktuell steht das Tool Forschern kostenfrei zur Verfügung. Laut David Van Valen verschiebt diese Methode die Grenzen der biologischen Entdeckung. Es lassen sich nun faszinierende Daten sammeln, für deren Gewinnung zuvor große Hürden bestanden. Yisong Yue ergänzt, dass Ansätze wie CellSAM nicht nur existierende Workflows effizienter machen, sondern auch biologische Fragestellungen in einem bisher unpraktischen Maßstab untersuchen lassen. Durch die Verfolgung von Millionen von Zellen über viele Bedingungen hinweg können Phänomene wie seltene Zellzustände oder subtile Veränderungen der Zellform in Bezug auf das Ansprechen auf Therapien erforscht werden. Diese Erkenntnisse werden erst möglich, wenn die bestehenden Analyselimits beseitigt werden. Die Einführung von CellSAM markiert somit einen bedeutenden Fortschritt in der Biotechnologie und eröffnet neue Möglichkeiten für groß angelegte Studien in der Zellbiologie und medizinischen Forschung.