Das Forschungsprojekt SCOPE-AI baut eine frei zugängliche Bilddatensammlung von Organoiden auf. Damit sollen KI-Modelle lernen, die im Labor gezüchteten Mini-Organe automatisiert zu erkennen und biologisch relevante Veränderungen auszuwerten. Die DFG fördert das Vorhaben mit rund 330.000 Euro.
Organoide sind dreidimensionale Zellmodelle, die Eigenschaften menschlicher oder tierischer Organe nachbilden. Sie werden unter anderem eingesetzt, um Krankheiten zu untersuchen, Wirkstoffe zu testen und biologische Prozesse unter kontrollierten Bedingungen zu analysieren. Die Auswertung der dabei entstehenden Mikroskopiebilder erfolgt bislang jedoch häufig manuell. Das Projekt SCOPE-AI soll deshalb große, annotierte Bilddatensätze schaffen, mit denen sich KI-Systeme für die automatisierte Analyse trainieren lassen. Beteiligt sind die Philipps-Universität Marburg, Helmholtz Munich und Helmholtz AI sowie das Deutsche Krebsforschungszentrum (DKFZ).
Drei offene Datensätze geplant
Nach Angaben der DFG sollen drei unterschiedliche Datensätze entstehen: SCOPE-BF2IF kombiniert Durchlicht- und Fluoreszenzmikroskopie von Lungen-, Darm- und Nierenorganoiden von Mensch und Maus. KI-Modelle sollen daraus lernen, Informationen aus aufwendigeren Fluoreszenzaufnahmen künftig aus einfachen Durchlichtbildern vorherzusagen. SCOPE-Phenotyping soll Organoide anhand biologischer Merkmale wie Zelltod, Zellteilung und Differenzierung klassifizieren. Der dritte Datensatz, SCOPE-Detection, kombiniert Bilder von Organoiden aus Lunge, Darm, Niere, Leber und Pankreas. Ziel ist, einzelne Organoide unter unterschiedlichen biologischen und technischen Bedingungen automatisch erkennen zu können. Alle Datensätze sollen unter einer offenen Lizenz veröffentlicht werden, unter anderem über die Forschungsinfrastruktur NFDI4BIOIMAGE und Zenodo. Zusätzlich plant das Team Basis-KI-Modelle, Annotationswerkzeuge und Beispiel-Workflows.
„Organoide sind ein vielversprechendes Werkzeug für die biomedizinische Forschung, doch ihre Bilder werden bis heute größtenteils von Hand ausgewertet. KI kann das schneller und objektiver, braucht dafür aber gute Trainingsdaten“, beschreibt Dr. Marie Piraud von Helmholtz AI den Ansatz. Gerade solche vielfältigen und gut dokumentierten Datensätze fehlten bislang in der Organoidforschung.
SCOPE-AI entwickelt zunächst Daten- und Analysegrundlagen für die Forschung. Das Projekt liefert weder ein diagnostisches Medizinprodukt noch ein bereits klinisch validiertes KI-System. Langfristig könnten standardisierte Bilddaten und automatisierte Analysen jedoch dazu beitragen, Organoidmodelle reproduzierbarer auszuwerten – etwa in der Krankheitsforschung oder bei der Untersuchung neuer Wirkstoffe. In welchem Umfangich daraus auch Vorteile für die personalisierte Medizin ergeben, muss erst in nachfolgenden Anwendungen gezeigt werden.
