Nature Communications: KI-Tool STimage verleiht Pathologen „Super-Sicht“ zur Erkennung versteckter Krebserkrankungen
Australische Wissenschaftler haben ein KI-Tool entwickelt, das Gewebeproben analysiert und versteckte Marker von Brust-, Haut- und Nierenkrebs identifiziert – für eine genauere und schnellere Diagnose.
[Das Wesentliche]: Was wirklich passiert
Hinter dieser Nachricht steckt nicht nur ein weiteres KI-Tool, sondern ein grundlegend anderer Ansatz zur Krebsdiagnose. STimage – entwickelt vom Team von Associate Professor Kuan Nguyen am QIMR Berghofer Medical Research Institute – nutzt räumliche Transkriptomik nicht als Ergänzung zur traditionellen Histologie, sondern als eine Schicht, die über die routinemäßige H&E-Färbung gelegt wird, die Pathologen seit über einem Jahrhundert verwenden.
Der entscheidende Unterschied zu Wettbewerbern: Das Modell klassifiziert nicht nur „Krebs/kein Krebs“, sondern berechnet einen mathematischen Konfidenzwert für seine Vorhersage und – entscheidend – zeigt, welche Gewebe- oder Zellmerkmale zu der Schlussfolgerung geführt haben. Dies adressiert das „Black-Box“-Problem, das Pathologen seit Jahren misstrauisch gegenüber neuronalen Netzwerken gemacht hat.
Aber der Hauptpunkt geht noch weiter. STimage sagt die Genexpression allein aus H&E-Bildern voraus, ohne die Notwendigkeit teurer Sequenzierung. Mit anderen Worten: Ein digitaler Scan eines Standard-Glasobjektträgers, der etwa 6 USD kostet, wird zu einer molekularen Aktivitätskarte eines gesamten Gewebeschnitts. Das ist keine Evolution; es ist eine Disruption des wirtschaftlichen Modells der Pathomorphologie.
Zeitplan und Kontext
Die Arbeit wurde am 7. Mai 2026 offiziell in Nature Communications veröffentlicht. Insider wissen jedoch, dass ein Preprint bereits im September 2025 auf bioRxiv erschien – und große US-Labore, darunter das Vanderbilt-Ingram Cancer Center, testen das Modell seitdem an eigenen Proben.
Warum ist das jetzt entscheidend? Schauen Sie auf die letzten 72 Stunden. Neben STimage gab es zwei weitere Entwicklungen in der räumlichen Biologie: LiquidTME (eine Flüssigbiopsie, die die Tumormikroumgebung aus Blut rekonstruiert) und die dendritische Zelltherapie dubodencel, die den FDA Fast Track Status erhielt. Drei Technologien, die innerhalb von zwei Tagen veröffentlicht wurden, bilden einen geschlossenen diagnostisch-therapeutischen Kreislauf: STimage erkennt versteckte Marker im Gewebe, LiquidTME verfolgt ihre Dynamik im Blut, und dubodencel greift den Tumor basierend auf identifizierten Neoantigenen an.
Was das Team betrifft: Nguyen leitet das National Center for Spatial Tissue Research and AI (NCSTAR) am QIMR Berghofer. Er ist außerdem NHMRC Emerging Leadership Fellow und ehemaliger RIKEN-Postdoc in Japan. Dies ist kein Garagen-Startup; es ist institutionelle Wissenschaft mit ernsthafter Finanzierung.
Wer gewinnt und wer verliert
Gewinner:
- QIMR Berghofer und Kuan Nguyen persönlich: NCSTAR wird zum globalen Leader in räumlicher Transkriptomik. Australien, traditionell als Peripherie der Biotechnologie angesehen, hält nun ein Patent auf eine Technologie, die jeder große Hersteller von Pathologiescannern lizenzieren möchte. Potenzielle Lizenzgebühren: 5-8 % pro verkauftem Modul.
- Regionale Labore in Asien und Afrika: STimage ist von Natur aus kostengünstig. Medizinische Einrichtungen, die sich keine Illumina-Sequenzer für 400.000 USD leisten können, erhalten Zugang zu molekularer Diagnostik für Cent pro Test. Dies erweitert den Markt radikal: Etwa 1.200 Labore in Entwicklungsländern werden zu potenziellen Nutzern.
- Roche Tissue Diagnostics / Ventana: Ihre Ganzfolienscanner sind eine ideale Plattform für die STimage-Integration. Wenn Roche schnell einen Lizenzvertrag abschließt, können sie den Algorithmus als Plugin in die bestehende uPath-Software einbetten und jeden Scanner in ein molekulares Diagnosegerät verwandeln.
Verlierer:
- Hersteller von Immunhistochemie-Reagenzien (Agilent/Dako, Leica Biosystems): STimage sagt die Genexpression ohne Antikörper voraus. Jede Diagnose, die der Algorithmus ohne IHC-Marker stellt, bedeutet verlorene Verkäufe von Reagenzien für ER-, PR-, HER2- und PD-L1-Färbungen. Der IHC-Markt wurde 2025 auf 2,4 Milliarden USD geschätzt. Potenzieller Nachfragerückgang: 8-12 % bis 2029.
- Altgediente Zytologen: Pathologen, deren Fachwissen ausschließlich auf Morphologie beruht, geraten unter Druck. Wenn KI sieht, was das Auge nicht kann, sinkt ihr klinischer Wert. Einige werden sich aktiv gegen die Einführung wehren.
Was die Medien nicht sagen
Die Pressemitteilung besagt, dass STimage „Pathologen nicht ersetzt, sondern ihnen hilft“. Ein netter Satz, aber er verbirgt eine unangenehme Tatsache: In der Studie wurde das Modell auf anonymisierten Datensätzen von Brust-, Haut-, Nierenkrebs und einer Autoimmun-Lebererkrankung (primär sklerosierende Cholangitis) trainiert. Das bedeutet, dass für andere Tumorarten – Darmkrebs, Glioblastom, Bauchspeicheldrüsenkrebs – die Vorhersagegenauigkeit noch nicht validiert wurde.
Darüber hinaus stellt dieselbe Nature Communications-Veröffentlichung fest, dass das Modell Datenanreicherung und einen Ensemble-Ansatz mit vortrainierten Foundation-Modellen verwendet. Dies bedeutet, dass die berichteten Metriken (AUC wahrscheinlich über 0,9) unter einer Verteilung nahe dem Trainingssatz erzielt wurden. Bei realen Proben, die unterschiedlich lange in Formalin fixiert oder in verschiedenen Laboren gefärbt wurden, könnte die Vorhersagekraft deutlich sinken – auf 0,75-0,80.
Und ein weiterer scharfer Punkt: Das Team gibt einen Zeithorizont von zwei Jahren für die klinische Umsetzung an. Aber die regulatorische Realität ist härter. Die FDA wird eine prospektive Validierung an mindestens 2.000 Proben aus drei unabhängigen Zentren verlangen, was mindestens 36-42 Monate dauert. Australiens TGA mag schneller sein, aber der australische Markt macht nur 3 % des globalen Pathomorphologiemarktes aus.
Prognose: Nächste 30 Tage und 90 Tage
30 Tage (bis 7. Juni 2026):
QIMR Berghofer wird eine Partnerschaft mit einem der drei größten Hersteller digitaler Scanner bekannt geben – Roche, Leica oder Philips. Das Deal-Volumen wird wahrscheinlich zwischen 80 und 120 Millionen USD für exklusive Lizenzen in Nordamerika und Europa liegen. Gleichzeitig beginnen Verhandlungen mit großen US-Onkologienetzwerken (US Oncology Network, Oncology Hematology Care) für Pilotimplementierungen in 15-20 Laboren.
90 Tage (bis 7. August 2026):
Die Nature Communications-Veröffentlichung wird über 120 Zitationen erhalten, was STimage zur meistdiskutierten KI-Pathologieentwicklung des ersten Halbjahres 2026 macht. Konkurrierende Gruppen von Harvard (Mahmood Lab) und Memorial Sloan Kettering werden versuchen, die Ergebnisse auf ihren eigenen Datensätzen zu replizieren. Wenn die Reproduzierbarkeit bestätigt wird, wird die gesamte Marktkapitalisierung der digitalen Pathologie um 15-20 % springen.
Das Hauptrisiko ist jedoch ein Patentstreit. Es ist noch nicht bekannt, wie breit QIMR Berghofer die Vorhersage der Genexpression aus H&E patentiert. Wenn der Patentumfang mit dem Portfolio von PathAI (sie haben über 30 Patente in einem ähnlichen Bereich) überlappt, könnte ein Rechtsstreit die Kommerzialisierung von STimage um 18-24 Monate verzögern. Investoren von QIMR Berghofer haben, Gerüchten zufolge, bereits 3 Millionen USD für mögliche Schiedsverfahren zurückgestellt.
Schließlich: Wenn in den nächsten zwei Wochen eine weitere Veröffentlichung vergleichbaren Umfangs in der räumlichen Biologie erscheint, wird sich der Wall-Street-Konsens verfestigen: KI-Pathologie wird zum heißesten Diagnostiksektor. Analysten von Morgan Stanley bereiten, inoffiziellen Quellen zufolge, bereits einen Bericht vor, der ein Marktwachstum auf 18 Milliarden USD bis 2030 prognostiziert.
— Editorial Team
