Wie digitale Pathologie funktioniert – und warum sie so wichtig ist

Vom Mikroskop zum Monitor

Seit über einem Jahrhundert stützt sich die Krebsdiagnose darauf, dass Pathologen eine dünne Gewebescheibe auf einem Glasobjektträger unter dem Mikroskop betrachten. Das Gewebe wird typischerweise mit Hämatoxylin und Eosin (H&E) gefärbt – ein kostengünstiges Routineverfahren, das nur etwa 5 bis 10 US-Dollar pro Objektträger kostet. Obwohl effektiv, ist dieser Prozess langsam, subjektiv und schwer zu skalieren.

Die digitale Pathologie verändert diese Gleichung. Hochauflösende Whole Slide Image (WSI)-Scanner wandeln physische Glasobjektträger in detaillierte digitale Dateien um, die Pathologen auf einem Bildschirm betrachten, kommentieren und austauschen können – ohne dass ein Mikroskop erforderlich ist. Moderne Scanner können laut Yale School of Medicine einen einzelnen Objektträger in zwei bis drei Minuten scannen und bis zu 450 Objektträger in einem einzigen Durchlauf verarbeiten.

Wie KI ins Spiel kommt

Das Digitalisieren von Objektträgern ist nur der erste Schritt. Die eigentliche Transformation erfolgt, wenn Algorithmen der künstlichen Intelligenz diese Bilder analysieren. Deep-Learning-Modelle – insbesondere Convolutional Neural Networks und Transformer-Architekturen – können Millionen von Zellen in einem einzigen Scan untersuchen und Muster identifizieren, die selbst erfahrenen Pathologen entgehen könnten.

Diese KI-Tools können automatisch Krebsregionen erkennen, Zelltypen klassifizieren, die Infiltration von Immunzellen messen, die Biomarker-Expression quantifizieren und sogar Patientenergebnisse vorhersagen, basierend auf der Gewebestruktur. Entscheidend ist, dass KI Pathologen nicht ersetzt. Stattdessen arbeitet sie mit ihnen zusammen in dem, was Forscher als Augmented Intelligence bezeichnen – sie kennzeichnet verdächtige Bereiche, reduziert repetitive Arbeit und verbessert die Konsistenz der Diagnosen.

Wie ein in Nature Medicine veröffentlichter Review feststellt, haben KI-gestützte Computerpathologie-Tools besonderes Potenzial in der Präzisionsonkologie gezeigt, wo sie helfen, Patienten auf der Grundlage von in Gewebeschnitten sichtbaren Tumoreigenschaften gezielten Therapien zuzuordnen.

Was KI sehen kann, was Menschen nicht können

Die Standard-H&E-Färbung zeigt die grundlegende Gewebearchitektur, aber fortgeschrittenere Techniken wie die Multiplex-Immunfluoreszenz (mIF) können die Proteinaktivität in einem Tumor abbilden – und zeigen, wie Immunzellen mit Krebsgewebe interagieren. Das Problem ist, dass die mIF-Bildgebung Tausende von Dollar pro Objektträger kostet und nur in spezialisierten Zentren verfügbar ist.

Hier verschieben neuere KI-Modelle die Grenzen weiter. Das GigaTIME-System von Microsoft, das in Zusammenarbeit mit Providence Health und der University of Washington entwickelt und in Cell veröffentlicht wurde, zeigte, dass KI, die mit 40 Millionen gepaarten Zellen trainiert wurde, virtuelle mIF-Bilder aus kostengünstigen H&E-Routineobjektträgern generieren kann. Angewendet auf mehr als 14.000 Patienten und 24 Krebsarten, deckte das System über 1.200 statistisch signifikante Zusammenhänge zwischen Proteinaktivierungsmustern und klinischen Ergebnissen auf – Erkenntnisse, die zuvor hinter teurer Bildgebung verborgen waren.

FDA-Zulassungen und klinische Anwendung

Digitale Pathologie-KI ist nicht mehr experimentell. Mehrere Tools haben regulatorische Hürden genommen:

• Paige Prostate wurde 2021 zu einem der ersten von der FDA zugelassenen KI-Pathologie-Tools, das bei der Erkennung von Prostatakrebs hilft.
• Paige PanCancer Detect, zugelassen im Jahr 2025, erweitert die KI-gestützte Krebserkennung auf mehrere Gewebearten und Organe.
• Roche Digital Pathology Dx erhielt Anfang 2025 die FDA 510(k)-Zulassung für sein Whole-Slide-Imaging-System.
• AIM-MASH von PathAI wurde zum ersten KI-gestützten Medikamentenentwicklungstool, das von der FDA für klinische Studien qualifiziert wurde.

Der globale Markt für digitale Pathologie, der im Jahr 2024 auf rund 1,2 Milliarden US-Dollar geschätzt wird, wird laut Fortune Business Insights bis 2032 voraussichtlich 2,6 Milliarden US-Dollar übersteigen, angetrieben durch die steigende Krebsinzidenz, die Einführung der Telepathologie und die Integration in elektronische Gesundheitsakten.

Warum es wichtig ist

Die Auswirkungen gehen weit über Effizienzsteigerungen hinaus. In Regionen mit Pathologenmangel – häufig in Subsahara-Afrika und Teilen Südostasiens – ermöglicht die digitale Pathologie eine Ferndiagnose per Telepathologie. Ein Spezialist, der Tausende von Kilometern entfernt ist, kann einen Scan überprüfen und eine Diagnose stellen, ohne dass der Objektträger jemals das Krankenhaus verlässt.

Für Patienten können schnellere und konsistentere Diagnosen eine frühere Behandlung, besser abgestimmte Therapien und verbesserte Überlebensraten bedeuten. Für Forscher beschleunigen massive digitalisierte Objektträgerdatenbanken in Verbindung mit KI-Analysen die Medikamentenentwicklung und das Design klinischer Studien.

Die digitale Pathologie stellt eine grundlegende Verschiebung dar: Der Mikroskopobjektträger, einst ein statisches Artefakt, das von einem einzigen Augenpaar untersucht wurde, wird zu einer dynamischen Datenquelle, die von Algorithmen analysiert wird, die auf Millionen von Fällen trainiert wurden. Das Fachwissen des Pathologen bleibt unerlässlich – wird aber nun durch Maschinen verstärkt, die niemals müde werden und niemals ein Pixel übersehen.