Helsinki/Stockholm – Eine Scoping-Review im Journal of Medical Internet Research zeigt, dass KI-unterstützte digitale Mikroskopie in Primärversorgungslaboren eine diagnostische Genauigkeit erreicht, die mit manueller Expertenmikroskopie vergleichbar oder sogar überlegen ist. Die Methode könnte den Zugang zu Diagnostik in ressourcenarmen und expertenarmen Regionen erheblich verbessern.
Die Autoren um Joar von Bahr (Karolinska Institutet) und Nina Linder (FIMM, Universität Helsinki) analysierten 22 Studien aus einer systematischen Suche in vier Datenbanken. Untersucht wurden vollständige End-to-End-Workflows: von Probenentnahme und Digitalisierung bis zur diagnose auf Proben-Ebene. Die Anwendungen umfassten Blut (Blutbild, Malaria), Urin (Parasiten, Urinanalyse), Stuhl (Parasiten), Sputum (Entzündungsmuster) sowie Zytologie atypischer oraler und zervikaler Zellen.
KI-gestützte Systeme erreichten in allen Bereichen eine vergleichbare diagnostische Genauigkeit zum Referenzstandard. In sechs von sieben Studien mit Vergleich zur manuellen Mikroskopie zeigte die KI höhere Sensitivität. Besonders vielversprechend sind Anwendungen bei Erkrankungen, die vulnerable Gruppen belasten, wie zervikale Krebsvorsorge bei Frauen oder parasitäre Infektionen bei Kindern.
Die WHO betont die Notwendigkeit, Diagnostik näher an Patienten in der Primärversorgung zu bringen. Manuelle Mikroskopie ist günstig und vielseitig, hängt jedoch von qualifiziertem Personal und stabiler Infrastruktur ab – beides fehlt oft in Low- und Middle-Income-Ländern sowie abgelegenen Regionen reicher Länder. KI-gestützte digitale Mikroskopie automatisiert Teile des Workflows und reduziert die Abhängigkeit von vor-Ort-Experten.
Trotz vielversprechender Ergebnisse fordern die Autoren weitere Forschung zu Skalierbarkeit, Kostenwirksamkeit und Transferierbarkeit in den Routinebetrieb. Die Studie entstand in Kooperation zwischen FIMM (Helsinki), Karolinska Institutet und Uppsala University und wurde unter anderem von der Erling-Persson-Stiftung, Wallenberg-Programm WASP und schwedischen sowie finnischen Forschungsförderern unterstützt.
