Mikroskopische Gewebebilder sind ein Grundpfeiler der biomedizinischen Forschung – doch ihre systematische Auswertung bleibt oft eine Herausforderung. Das neue Open-Source-Tool „LazySlide” setzt auf KI-basierte Foundation Models, um die Analyse digitaler Pathologiebilder zugänglicher zu machen und visuelle Gewebedaten erstmals direkt mit molekularen Daten zu verknüpfen.
Das Problem: Wertvolle Bilder, schwer nutzbar
Mikroskopische Gewebebilder gehören zu den wichtigsten Werkzeugen in der medizinischen Forschung und Diagnostik. Moderne Scanner erzeugen hochauflösende „Whole-Slide-Bilder”, die von der Gesamtübersicht bis zur einzelnen Zelle zoomen können. Doch trotz ihres enormen Informationsgehalts lassen sich diese Bilder kaum systematisch auswerten oder mit molekularen Daten wie RNA-Sequenzierungen verknüpfen – und bleiben dadurch in vielen Bereichen ungenutzt.
Die Lösung: LazySlide macht Gewebebilder analysierbar
Das neue Open-Source-Tool LazySlide, entwickelt von der Forschungsgruppe um CeMM Principal Investigator André Rendeiro, setzt KI-basierte Foundation Models ein, um Whole-Slide-Bilder zugänglich und auswertbar zu machen. Die Software unterteilt große Bilder in handhabbare Bereiche, erkennt Muster in der Gewebestruktur und identifiziert verschiedene Zelltypen – ganz ohne aufwendige manuelle Anmerkungen.
Gewebe mit Sprache durchsuchen
Besonders praktisch: LazySlide lässt sich per natürlicher Sprache bedienen. Forschende können gezielt nach Merkmalen wie „Verkalkung” suchen – die Software hebt relevante Regionen hervor und liefert messbare Scores. Dank sogenannter „Zero-Shot”-Analysen erkennt das Tool Ursprungsorgane oder unterscheidet gesundes von krankem Gewebe, ohne dafür spezifisch trainiert worden zu sein.
Offen, kompatibel, zukunftsfähig
LazySlide fügt sich nahtlos in bestehende Workflows der Genomik und Einzelzellforschung ein. „Indem wir Gewebebilder als reichhaltige Datensätze behandeln, können wir neue Einblicke gewinnen, wie Krankheiten die menschliche Biologie prägen”, so André Rendeiro. Die in Nature Methods veröffentlichte Studie zeigt, wie Open-Source-Werkzeuge die Lücke zwischen Gewebestruktur und molekularer Funktion schließen können.
Quelle: Pressemitteilung von Science is our Medicine (CeMM) vom 20.03.2026



