Bei der Untersuchung von Krebszellen ist die Auswahl der richtigen Zellmessungen entscheidend, um wertvolle Erkenntnisse über die Entstehung der Erkrankung und die Wirksamkeit möglicher Therapien zu gewinnen. Traditionell konzentrieren sich Forscher auf spezifische Zellkomponenten wie Genexpression, Proteine oder die Zellmorphologie – jeweils mit unterschiedlichen Fokus und Informationsgehalt. So liefert die Analyse der Genexpression Hinweise auf aktiviert oder unterdrückte Gene, während Proteinmessungen Aufschluss über funktionelle Zustände und Signalwege geben können. Die morphologische Analyse dagegen offenbart Veränderungen in der Zellstruktur, die mit aggressivem Verhalten korrelieren. Doch die Vielzahl an möglichen Messmethoden birgt die Herausforderung, dass jede Methode nur einen Teil des komplexen Zellbildes zeigt – und die Auswahl beeinflusst, welche Erkenntnisse sich ziehen lassen. Um diese Hürde zu überwinden, haben Wissenschaftler ein künstliches Intelligenz-Tool entwickelt, das dabei hilft, die wichtigsten Zellmessungen zu identifizieren, die für eine bestimmte Fragestellung relevant sind. Das System analysiert große Mengen multimodaler Daten – etwa aus Genomik, Proteomik und Bildgebung – und erkennt Muster, die menschlichen Forschern möglicherweise entgehen. Es bewertet, welche Messungen am besten zur Vorhersage von Behandlungsergebnissen oder zur Klassifizierung von Krebsarten beitragen. So ermöglicht das AI-Tool nicht nur eine gezielte Datenerhebung, sondern auch eine bessere Integration verschiedener Datenquellen, was zu einem umfassenderen Verständnis der Zellbiologie führt. Die Methode wurde bereits in Studien zu Brust- und Lungenkrebs erfolgreich getestet und zeigte, dass bestimmte Kombinationen aus Genexpression und Zellform besonders prädiktiv für Therapieansprechen waren. Besonders wertvoll ist dabei, dass das Tool nicht nur die Effizienz der Forschung steigert, sondern auch die Reproduzierbarkeit und Transparenz von Ergebnissen fördert. Es reduziert die Abhängigkeit von subjektiven Entscheidungen und unterstützt eine standardisierte, datengetriebene Forschung. Industrielle und akademische Experten sehen in der Technologie eine bedeutende Fortschrittsstufe für die personalisierte Onkologie. „Dieses AI-Tool verbindet die Stärken verschiedener Messansätze und zeigt auf, wo Forscher wirklich wertvolle Daten sammeln sollten“, sagt Dr. Lena Müller, Biotechnologin am Deutschen Krebsforschungszentrum. „Es ist ein Schritt hin zu einer ganzheitlicheren Sicht auf Zellen – und damit zu besseren Behandlungsstrategien.“ Unternehmen wie Illumina und PerkinElmer arbeiten bereits an der Integration solcher KI-gestützter Analyse in ihre Forschungsplattformen. Die Technologie könnte künftig auch in der Diagnostik und klinischen Entscheidungsunterstützung eingesetzt werden, indem sie Ärzten hilft, die besten Behandlungsansätze basierend auf individuellen Zellprofilen zu wählen.