Ein Forscherteam am Deutschen Zentrum für Gesundheitsforschung und der Universität Heidelberg hat den KI-gestützten Diagnosewerkzeug Hetairos entwickelt, das Hirntumoren auf Basis routinemäßiger histologischer Gewebeschnitte innerhalb von Minuten molekularklassifiziert. Die Ergebnisse wurden in Nature Cancer veröffentlicht und markieren einen wesentlichen Fortschritt in der digitalen Pathologie. Zentrale Innovation des Systems ist die Vorhersage von mehr als 100 molekularen Tumorsubtypen des zentralen Nervensystems ausschließlich auf Grundlage digitalisierter, konventionell angefärbter Gewebeproben. Üblicherweise erfordern solche Zuordnungen eine aufwändige DNA-Methylierungsanalyse, die spezialisierte Labore, kostspielige Ausstattung und oft zwei Wochen Zeit benötigt. Hetairos umgeht diese Hürden durch ein auf über 11.000 digitalisierte Gewebeschnitte von 9.606 Patientinnen und Patienten trainiertes Modell. Die Validierungsdaten stammen aus elf medizinischen Zentren auf vier Kontinenten und decken das gesamte aktuelle WHO-Klassifikationsspektrum ab. In prospektiven klinischen Tests erbrachte Hetairos seine Analysen in durchschnittlich zwölf Minuten. Die vollständige konventionelle Diagnostik benötigte hingegen etwa zwölf Tage. Bei einer direkten Vergleichsstudie mit fünf erfahrenen Neuropathologen erreichte die KI eine Trefferquote von 68 Prozent bei der exakten Subtypzuordnung, während die menschlichen Experten durchschnittlich bei 30 Prozent lagen. In 50 bis 70 Prozent der Fälle gab das System hohe Entscheidungssicherheit mit einer Genauigkeit von 87 bis 88 Prozent. Selbst bei niedrigerer Konfidenz reduzierte Hetairos die möglichen Diagnosen erheblich und half Pathologinnen und Pathologen, gezielte Folgemaßnahmen auszuwählen. Die Entwickler unter Leitung von Moritz Gerstung und Felix Sahm betonen, dass Hetairos die molekulare Diagnostik nicht ersetzen, sondern gezielt ergänzen soll. Das Tool ist besonders bei knappen Probenmaterial, unklaren genetischen Befunden oder in Regionen mit eingeschränkter Laborausstattung wertvoll. Zudem visualisiert das System die für die Entscheidung relevanten Gewebepartien, was die Nachvollziehbarkeit erhöht. Die Kosten liegen deutlich unter denen klassischer Methylierungsanalysen, da Standardfärbungen genutzt werden. Die Studie belegt, dass moderne KI-Systeme subtile morphologische Muster erfassen können, die selbst für Expertinnen und Experten schwer erkennbar sind. Bei äußerst seltenen Tumorentypen bleiben menschliche Spezialisten vorläufig gleichwertig, die Forscher erwarten jedoch eine weitere Leistungssteigerung durch expandierende Datensätze. Mit Hetairos wird ein skalierbares, ressourcenschonendes Diagnoseverfahren etabliert, das die Patientenversorgung insbesondere in ressourcenärmeren Settings weltweit beschleunigen kann.