Die Interpretation von Zellmessungen unterstützen
Die Durchflusszytometrie misst Eigenschaften vieler einzelner Zellen. Für die Einordnung von B-Zell-Non-Hodgkin-Lymphomen müssen Fachleute daraus charakteristische Zellpopulationen erkennen und ihre Bedeutung beurteilen. Seltene Entitäten, unterschiedliche Messbedingungen und begrenzte Trainingsdaten erschweren die automatisierte Klassifikation.
IAP entwickelte für Beckman Coulter einen erklärbaren KI-Prototyp und die Web-Plattform PLAIT zur Bewertung durch Experten. FlowXAI verbindet die Klassifikation mit Erklärungen und einer Einschätzung der Verlässlichkeit für jede einzelne Probe. Die wissenschaftlichen Methoden entstanden gemeinsam mit klinischen und wissenschaftlichen Partnern.
Ungewöhnliche Proben vor dem Lernen erkennen
Das unüberwachte Verfahren Tile Mining untersucht die Struktur der Messdaten, ohne dafür vorgegebene Diagnosen zu benötigen. Es erkennt Proben, deren Datenstruktur von den übrigen Proben abweicht. Solche Fälle werden für eine gezielte Untersuchung durch Fachleute kenntlich gemacht.
Diese Strukturprüfung hilft außerdem bei der Auswahl repräsentativer Trainingsbeispiele. So lässt sich untersuchen, welche diagnostischen Gruppen in den vorhandenen Messdaten erkennbar sind und mit welchen Beispielen das anschließende Klassifikationsverfahren lernen soll.
Zellpopulationen, Entscheidungsstufen und Verlässlichkeit
Das überwachte Verfahren ALPODS lernt Beschreibungen diagnostisch relevanter Zellpopulationen. Deren Merkmale und Häufigkeiten bilden die Grundlage für die Klassifikation. Die Entscheidungsstufen orientieren sich an fachlichen Prioritäten der Lymphomdiagnostik und verbinden mehrere spezialisierte Teilentscheidungen.
Das Ergebnis umfasst einen Klassifikationsvorschlag, die dafür relevanten Zellpopulationen und eine fallbezogene Selbsteinschätzung. Fachleute können damit untersuchen, welche Merkmale eine Einordnung tragen und bei welchen Proben die KI selbst eine geringere Verlässlichkeit ausweist. Erklärungen und Selbsteinschätzung sind Bestandteile des Verfahrens.
PLAIT als Oberfläche für die Expertenbewertung
PLAIT steht für „Phenotyping Lymphomas with an Artificial Intelligence Toolbox“. Nach Registrierung und Anmeldung können Fachleute anonymisierte FCS-Dateien über ein Ticket einreichen. Die Plattform stellt die Ergebnisse der Analyse im Ticketsystem bereit.
Beschriebene Zellpopulationen lassen sich als FCS-Dateien herunterladen und in Werkzeugen wie Kaluza oder FlowJo weiter untersuchen. Damit verbindet die Anwendung die automatische Auswertung mit den Analysewerkzeugen der Fachleute. IAP stellte außerdem den Server für die Integration in das Universitätsnetz bereit.
Wissenschaftliche Bewertung und Umsetzung
Die 2026 in PLOS Medicine veröffentlichte Studie untersuchte FlowXAI anhand von 19.493 peripheren Blutproben und ergänzend an einem externen Datensatz mit 638 Proben und einem anderen Antikörperpanel. Die Auswertung betrachtete die Klassifikationsleistung auf mehreren diagnostischen Ebenen sowie die Aussagekraft der fallbezogenen Selbsteinschätzung.
Ein zusätzliches Experiment untersuchte das Lernen mit 512 repräsentativen Proben: 256 normalen Kontrollen und 256 Lymphomproben. Die Bewertung erfolgte an den verbleibenden Proben. Damit adressiert die Forschung eine wichtige praktische Frage: Wie lässt sich eine erklärbare Klassifikation entwickeln, wenn für einzelne Lymphomgruppen nur wenige Trainingsfälle verfügbar sind?
Die Zusammenarbeit verbindet methodische Forschung, veröffentlichte Evaluation und eine bedienbare Plattform zur Expertenbewertung. Die Originalaussage von Beckman Coulter steht unten.
