Ingenieure der Stanford University haben ein autonomes, batteriebetriebenes oder solarbetriebenes Mikroskop mit integrierter Künstlicher Intelligenz entwickelt, das Malariainfektionen in Blutproben in Minuten diagnostiziert – eine Aufgabe, die bisher von Technikern manuell und zeitaufwendig durchgeführt wurde. Das Gerät namens Octopi kann pro Minute eine Million Blutzellen scannen und infizierte Zellen mit nahezu 100-prozentiger Spezifität erkennen, selbst bei sehr niedrigen Parasitenkonzentrationen (ab 12 infizierten Zellen pro Mikroliter Blut mit 5 Millionen Zellen).
Malaria bleibt eine der tödlichsten Infektionskrankheiten weltweit. Jährlich werden 260 Millionen Fälle gemeldet – eine Zahl, die ohne verbesserte Diagnostik auf eine halbe Milliarde ansteigen könnte. Besonders in abgelegenen Regionen Afrikas, wo Malaria am stärksten wütet, fehlen oft Strom, Internet und qualifiziertes Personal. Ein Techniker kann derzeit maximal 25 Proben pro 12-Stunden-Tag analysieren; jede Probe dauert etwa 30 Minuten. Octopi erledigt dies in Minuten, ohne weitere Infrastruktur.
Das System nutzt kostengünstige Optik statt teurer Glaslinsen und erkennt infizierte Zellen über eine einfache spektrale Verschiebung unter UV-Licht – ein Prinzip, das aus der Astronomie entlehnt wurde. Die KI wurde mit maschinellem Lernen trainiert und erreicht eine 100-fache Effizienzsteigerung gegenüber herkömmlichen Methoden. Das Gerät kostet voraussichtlich etwa 1.000 US-Dollar pro Einheit (im Vergleich zu 100.000 Dollar für konventionelle robotische Mikroskope).
Zusätzlich entwickelte das Team um Manu Prakash (Associate Professor für Bioengineering) das passive Gerät Inkwell, das perfekte Blut-Ausstriche ohne Strom erzeugt. Inkwell kostet unter 5 Dollar, wird per 3D-Druck hergestellt und wurde bereits in über 15 Ländern eingesetzt. Es löst ein jahrhundertealtes Problem: ungleichmäßige Ausstriche, die Diagnosen verfälschen.
Octopi basiert auf offener Software-Architektur. Nutzer weltweit können die KI anpassen – etwa um Tuberkulose, Sichelzellanämie oder andere mikroskopisch erkennbare Krankheiten zu diagnostizieren. In Nepal gelang es bereits, das gleiche Gerät ohne Hardware-Änderung für vier Sichelzell-Typen und Tuberkulose zu trainieren. Prakash spricht von einem „App-Store-Modell“ für Diagnostik: Gesundheitsarbeiter sollen eigene Modelle trainieren und teilen können.
Das Team plant die Gründung von ODION (Open Diagnostic Imaging Observatory Network), um weltweit Daten zu sammeln, Modelle zu trainieren und ein globales Ökosystem aufzubauen. Prakash schätzt: Mit 1.000 Octopi-Geräten könnten jährlich 50 Millionen Präparate analysiert werden; bei 10.000 Einheiten wäre eine massive Reduktion der Malariafälle und -todesfälle möglich – vielleicht sogar die Ausrottung in Reichweite.
Die Entwicklung wurde über fast zehn Jahre in neun Ländern Afrikas getestet und von Partnern wie HAI Stanford, Gates Foundation, King Center, Moore Foundation und dem Stanford Center for Innovation in Global Health unterstützt. Die Technologie ist offen zugänglich und soll besonders in ressourcenarmen Regionen zum Einsatz kommen, wo Malaria am stärksten zuschlägt.
