Ein neues KI-System aus Heidelberg kann Hirntumoren anhand gewöhnlicher mikroskopischer Gewebeschnitte mit bisher unerreichter Präzision molekular einordnen. Das als „Hetairos“ bezeichnete System erkennt mehr als 100 molekulare Untergruppen von Tumoren des zentralen Nervensystems und liefert Ergebnisse innerhalb weniger Minuten.

Das von Moritz Gerstung vom Deutschen Krebsforschungszentrum (DKFZ) und Felix Sahm vom Universitätsklinikum Heidelberg geleitete Team trainierte die KI mit über 11.000 digitalisierten Gewebeschnitten von mehr als 9.600 Patienten aus elf Zentren auf vier Kontinenten. Die Grundlage bilden routinemäßig angefertigte und gefärbte histologische Schnitte – ohne die bisher notwendige aufwendige DNA-Methylierungsanalyse.

In Fällen mit hoher KI-Sicherheit erreichte Hetairos eine Genauigkeit von rund 87 bis 88 Prozent. Im direkten Vergleich mit fünf erfahrenen Neuropathologen schnitt das System deutlich besser ab: Bei 210 Testfällen lag die Trefferquote der KI bei 68 Prozent gegenüber 30 Prozent bei den Fachärzten. Berücksichtigte man die drei wahrscheinlichsten Diagnosen, stieg die Quote der KI auf 84 Prozent.

Das System gibt nicht nur eine Diagnose, sondern auch eine Einschätzung seiner eigenen Sicherheit und markiert relevante Bereiche im Gewebeschnitt. Es benötigt nur zwölf Minuten nach Digitalisierung der Schnitte und könnte die Diagnostik weltweit, insbesondere in ressourcenarmen Regionen, deutlich beschleunigen. Die Entwickler sehen Hetairos als ergänzendes Werkzeug, das molekulare Analysen gezielt unterstützt und beschleunigt.

Die Studie wurde in der Fachzeitschrift „Nature Cancer“ veröffentlicht.

Original Paper:

Jin D., Shmatko A., Patel A. et al. Hetairos is a histology-based artificial intelligence model for predicting central nervous system tumor methylation subtypes. Nature Cancer (2026). DOI: 10.1038/s43018-026-01186-3

Redaktion: X-Press Journalistenbüro GbR

Gender-Hinweis. Die in diesem Text verwendeten Personenbezeichnungen beziehen sich immer gleichermaßen auf weibliche, männliche und diverse Personen. Auf eine Doppel/Dreifachnennung und gegenderte Bezeichnungen wird zugunsten einer besseren Lesbarkeit verzichtet.