Wenn Maschinen beim Diagnostizieren helfen

Frage: Herr Middeke, stellen Sie sich bitte kurz vor. Sie arbeiten sowohl am Universitätsklinikum als auch in einem Unternehmen.

Antwort: Ich bin Arzt an der Klinik für Hämatologie und Onkologie von Professor Martin Bornhäuser am Universitätsklinikum Dresden. Einer unserer Schwerpunkte ist die Forschung und Behandlung von Blutkrebserkrankungen. Eine zentrale Rolle spielt dabei die Diagnostik: Die Entscheidungen, die wir auf Grundlage dieser Diagnosen treffen, sind oft sehr weitreichend. Deshalb müssen sie möglichst präzise, zuverlässig und häufig auch schnell getroffen werden.

Diagnostische Verfahren sind deshalb seit vielen Jahren ein wichtiger Forschungsschwerpunkt unserer Klinik. Gleichzeitig haben wir mit der Technischen Universität Dresden einen starken Partner im Bereich Informatik und Technologie. Vor etwa sieben Jahren entstand aus einem Austausch zwischen Medizinern und Informatikern eine interdisziplinäre Arbeitsgruppe, die sich damit beschäftigt, neue Technologien in die Blutkrebsdiagnostik zu bringen.

Aus dieser Zusammenarbeit ist schließlich auch eine Ausgründung entstanden: das Unternehmen Cancilico. Dort bin ich als Chief Medical Officer tätig und arbeite einen Teil meiner Zeit auch im Unternehmen.

Frage: Sie setzen auf KI-gestützte Diagnostik. Warum braucht man das in der Medizin überhaupt?

Antwort: In der Blutkrebsdiagnostik schauen wir uns unter dem Mikroskop Knochenmarkausstriche an. Dabei werden einzelne Zellen bewertet, gezählt und bestimmten Zelltypen zugeordnet. Auf dieser Grundlage entsteht dann die Diagnose.

Das Problem ist: Diese Arbeit erfordert sehr viel Erfahrung. Die Unterschiede zwischen Zelltypen sind nicht immer eindeutig, und es dauert oft Jahre, bis man sie sicher erkennt. Gleichzeitig steigen die Fallzahlen. Patientinnen und Patienten leben länger und müssen häufiger kontrolliert werden. Gleichzeitig wird es immer schwieriger, ausreichend Fachpersonal zu finden.

Der zweite Punkt ist: Genau diese Art von Aufgabe eignet sich sehr gut für maschinelles Lernen. Wir haben große Mengen an Bilddaten und sehr viele diagnostische Beispiele. Ein Computer kann diese Daten rund um die Uhr analysieren und daraus Muster lernen – in einer Geschwindigkeit und Datenmenge, die für Menschen nicht möglich ist.

Frage: Wie lernt die KI eigentlich, Krebszellen zu erkennen?

Antwort: Wir beginnen mit einem sehr großen Datensatz aus Knochenmarkproben. Die darin enthaltenen Zellen werden zunächst digital isoliert – man spricht von Segmentierung. Anschließend werden diese Zellen von vielen verschiedenen Fachleuten klassifiziert: Ärztinnen und Ärzte, aber auch medizinisch-technisches Personal aus unterschiedlichen Ländern und Ausbildungssystemen.

Alle bewerten dieselben Zellen. Wenn sich beispielsweise zehn Expertinnen und Experten einig sind, dass es sich um einen bestimmten Zelltyp handelt, wird diese Zuordnung für das Modell zur Referenz.

Auf diese Weise lernt das System, bestimmte Zellmuster wiederzuerkennen. Gleichzeitig lernt es auch Unsicherheiten zu bewerten. Es kann also nicht nur sagen, welcher Zelltyp wahrscheinlich vorliegt, sondern auch, wie sicher diese Einschätzung ist.

Frage: Bedeutet das, dass künftig Maschinen die Diagnose stellen?

Antwort: Nein. Uns war von Anfang an wichtig, dass die KI den Menschen unterstützt, aber nicht ersetzt. Wir arbeiten mit einem sogenannten „Human-in-the-Loop“-Ansatz.

Die KI sortiert und klassifiziert die Zellen zunächst automatisch. Der Mensch kann anschließend jede einzelne Bewertung nachvollziehen und überprüfen. Die finale Entscheidung bleibt also beim Arzt oder bei der Ärztin.

Der große Vorteil ist die Geschwindigkeit: Während man normalerweise etwa 400 bis 500 Zellen pro Untersuchung auswertet, können wir mit unserem Modell problemlos mehrere tausend Zellen analysieren. Dadurch wird die Diagnose nicht nur schneller, sondern auch repräsentativer.

Frage: Was bedeutet das konkret für Patientinnen und Patienten?

Antwort: Der wichtigste Nutzen liegt in drei Punkten: Genauigkeit, Geschwindigkeit und Zugang zu hochwertiger Diagnostik.

In spezialisierten Zentren wie unserem gibt es viel Erfahrung. Aber weltweit sieht die Realität oft anders aus. Viele Labore führen solche Untersuchungen nur selten durch. Mit KI-gestützten Systemen lässt sich ein sehr hohes diagnostisches Niveau auch in kleineren Einrichtungen erreichen.

Das kann letztlich dazu beitragen, dass Diagnosen weltweit gleichmäßiger und zuverlässiger gestellt werden.

Frage: Medizintechnik muss strenge Zulassungsverfahren durchlaufen. Wo stehen Sie derzeit?

Antwort: Es gibt zwei Ebenen. Zum einen müssen die Entwicklungsprozesse im Unternehmen bestimmten Qualitätsstandards entsprechen, etwa internationalen ISO-Normen für Softwareentwicklung und Sicherheit. Diese Zertifizierung steht kurz vor dem Abschluss.

Zum anderen muss das Produkt selbst zugelassen werden. Dafür vergleichen wir die Ergebnisse des KI-Systems mit dem sogenannten Goldstandard – also der Diagnose durch erfahrene Fachleute. Da auch Menschen nicht immer exakt zum gleichen Ergebnis kommen, gibt es international definierte Toleranzbereiche.

Derzeit wird unsere Software bereits von ausgewählten Partnern im Rahmen einer Research-Use-Only-Version für Forschungszwecke genutzt. Die Zulassung als Medizinprodukt erwarten wir in der zweiten Hälfte dieses Jahres.

Frage: Wie soll die Software später genutzt werden?

Antwort: Unser Modell ist ein klassisches Software-as-a-Service-Produkt. Labore können die Anwendung abonnieren und zahlen je nach Nutzungsumfang.

Dabei unterscheiden sich die Anforderungen stark: Ein kleines Labor führt vielleicht nur einige Dutzend Untersuchungen im Monat durch, große Zentren mehrere hundert. Unser Preismodell berücksichtigt diese Unterschiede.

Frage: Ein Vorteil Ihrer Software ist, dass sie auf bestehenden Mikroskopen läuft.

Antwort: Genau. Uns war wichtig, dass sich das System möglichst einfach in bestehende Arbeitsabläufe integrieren lässt. Labore müssen keine neue Infrastruktur anschaffen. In vielen Fällen reicht eine Kamera, die ohnehin bereits am Mikroskop vorhanden ist.

Natürlich gilt: Je besser die Bildqualität, desto besser die Analyse. Aber wir haben das System bewusst auch mit Bildern durchschnittlicher Qualität trainiert, damit es unter realistischen Bedingungen funktioniert.

Frage: Dresden und Sachsen entwickeln sich zu einem Zentrum für digitale Medizin und Biotechnologie. Spüren Sie diesen Effekt?

Antwort: Ja, definitiv. Ein funktionierendes Innovationsökosystem ist enorm wichtig. In der Forschung entstehen viele Ideen – aber daraus tatsächlich ein Produkt zu machen, ist ein großer Schritt.

Dafür braucht man Erfahrung mit Regulierung, Unternehmensgründung, Finanzierung und Technologietransfer. In Sachsen gibt es dafür inzwischen sehr gute Strukturen, etwa durch Initiativen wie die Clusters for Future, Saxocell und Semico. Außerdem haben wir mit dem Else Kröner Fresenius Zentrum für Digitale Gesundheit der Technischen Universität Dresden und dem Universitätsklinikum Carl Gustav Carus Dresden ein international sichtbares Zentrum, das die Expertise von Medizinern sowie High-Tech-Spezialisten zusammenbringt. Auch Förderungen wie durch die SAB und Investitionen durch lokal angesiedelte VCs sind ein wesentlicher Punkt.

Es hilft enorm, wenn man Menschen kennt, die diesen Weg bereits gegangen sind. Solche Netzwerke und Role Models sind für junge Ausgründungen extrem wertvoll.

Frage: Wenn wir zehn Jahre in die Zukunft schauen: Welche Rolle wird KI in der Krebsdiagnostik spielen?

Antwort: In Bereichen wie der Radiologie ist KI bereits heute Teil des klinischen Alltags. In der Krebsdiagnostik stehen wir gerade an der Schwelle zu einer breiten Anwendung.

Der Bedarf ist groß: Die Zahl der Krebsfälle steigt, während gleichzeitig Fachpersonal fehlt. KI kann hier helfen, Routineaufgaben zu automatisieren und die diagnostische Qualität zu sichern.

Man darf nicht vergessen: Auf Basis dieser Diagnosen werden sehr weitreichende Entscheidungen getroffen – bis hin zu intensiven Therapien oder Stammzelltransplantationen. Umso wichtiger ist es, dass die zugrunde liegenden Analysen möglichst zuverlässig sind.

Frage: Wo sehen Sie Cancilico in fünf bis zehn Jahren?

Antwort: Unser Ziel ist es, KI-gestützte Diagnostik speziell im Bereich der Blutkrebserkrankungen voranzubringen und hier das führende Unternehmen zu sein. In anderen Bereichen der Onkologie gibt es bereits mehrere KI-Produkte. Die Blutkrebsdiagnostik ist zwar ein kleinerer Markt, aber medizinisch sehr relevant.

Hier sehen wir eine große Chance, unsere Technologie weltweit in die klinische Anwendung zu bringen.