Ein neues Open-Source-Softwaretool namens LazySlide macht die computergestützte Analyse riesiger digitaler Gewebebilder (Whole-Slide Images) deutlich zugänglicher und besser mit molekularen Daten kombinierbar. Entwickelt wurde es von einem Team um den CeMM-Forscher André Rendeiro. Die Studie erschien am 20. März 2026 in der Fachzeitschrift Nature Methods (DOI: 10.1038/s41592-026-03044-7).

Whole-Slide-Bilder, die ganze Gewebeproben in höchster Auflösung abbilden, enthalten enorme Mengen biologischer Information – von der Gesamtarchitektur bis hin zu einzelnen Zellen. Trotz zunehmender Digitalisierung in Pathologie und Forschung blieben diese Daten bisher schwer systematisch auszuwerten und mit anderen Datentypen wie Genexpressionsprofilen zu verknüpfen. Häufig liegen sie in proprietären Formaten vor und sind nur mit spezifischen, oft inkompatiblen Programmen bearbeitbar.

LazySlide nutzt sogenannte Foundation Models – große, auf umfangreichen Datensätzen vortrainierte KI-Modelle – um Whole-Slide-Bilder in kleinere, handhabbare Abschnitte zu zerlegen und automatisch zu analysieren. Die Software erkennt Gewebemuster, identifiziert Zelltypen, quantifiziert strukturelle Veränderungen und verbindet visuelle Merkmale direkt mit molekularen Daten, ohne dass umfangreiche manuelle Annotationen notwendig sind.

In einer Beispielanwendung untersuchte das Team Arteriengewebe mit und ohne Verkalkung, einem Risikofaktor für Herz-Kreislauf-Erkrankungen. LazySlide unterschied allein anhand der Bildmerkmale gesundes von pathologischem Gewebe und machte durch Integration von RNA-Sequenzierungsdaten entzündliche Signalwege sichtbar, die in den Bildern allein nicht erkennbar waren.

Eine besondere Stärke der Software ist die Verknüpfung mit natürlicher Sprache. Forscher können gezielte Fragen stellen – etwa wo in einer Probe Anzeichen von Verkalkung, Entzündung oder Tumorinvasion auftreten. Die KI hebt entsprechende Regionen hervor und liefert quantitative Bewertungen. Zudem ermöglicht LazySlide Zero-Shot-Analysen: Das Tool erkennt beispielsweise das Ursprungsorgan einer Probe oder unterscheidet gesundes von krankem Gewebe, ohne dass es für jede Fragestellung neu trainiert werden muss.

Das Tool ist bewusst so gestaltet, dass es sich nahtlos in bestehende bioinformatische Workflows der Genomik und Einzelzellforschung einfügt. Dadurch soll die digitale Pathologie stärker in das datengetriebene Ökosystem der Lebenswissenschaften integriert werden.

Das CeMM – Forschungszentrum für Molekulare Medizin der Österreichischen Akademie der Wissenschaften – forscht unter der wissenschaftlichen Leitung von Maria Rescigno zu Krebs, Entzündungen, Stoffwechsel- und Immunerkrankungen sowie seltenen Krankheiten und Altern. Die Einrichtung liegt am Campus der Medizinischen Universität Wien und des Allgemeinen Krankenhauses.

Original Paper:

Die Studie „LazySlide: accessible and interoperable whole slide image analysis“ erschien in der Zeitschrift Nature Methods am 20. März 2026, DOI: 10.1038/s41592-026-03044-7

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.