Typ-2-Diabetes wird über erhöhte Blutzuckerwerte diagnostiziert – nicht über seine Ursachen. Mit erklärbarer KI machten Forschende des DZD Veränderungen in der Bauchspeicheldrüse sichtbar – mit Potenzial für neue Therapieansätze.
Introbild: Multiplex-Immunofluoreszenzsfärbung von Pankreasgewebe eines nichtdiabetischen Lebendspenders: Im Färbeset 1 wurden Glucagon (Marker für α-Zellen), Tubulin Beta 3 (Marker für die Axonfortsätze der Nervenzellen sowie auch schwächer in exokrinen Zellen produziert), Somatostatin (Marker für δ-Zellen) und die Zellkerne (mittels 4‘ ,6-Diamidin-2-phenylindol, kurz DAPI) angefärbt. Die α- und δ-Zellen befinden sich innerhalb einer Langerhans-Insel, welche essenziell für die hormonbasierte Regulation des Blutzuckerspiegels ist und deren Veränderung bei Typ-2-Diabetes durch die KI-Analysen aufgeklärt wurde.
Typ-2-Diabetes ist durch eine gestörte Insulinwirkung und eine verminderte Insulinproduktion gekennzeichnet. Eine zentrale Rolle spielen dabei die Betazellen der Bauchspeicheldrüse, die das blutzuckerregulierende Hormon Insulin produzieren. Warum diese Zellen bei Typ-2-Diabetes nicht mehr richtig arbeiten, ist bislang nicht vollständig geklärt. Forschende gehen davon aus, dass Veränderungen im Gewebe der Bauchspeicheldrüse wichtige Hinweise auf die Entstehung und Entwicklung der Erkrankung liefern können. Diese Veränderungen sind jedoch oft sehr subtil und unterscheiden sich von Mensch zu Mensch. Deshalb ist es selbst für erfahrene Pathologinnen und Pathologen schwierig, krankes und gesundes Pankreasgewebe zuverlässig voneinander zu unterscheiden.
Auf der Suche nach den Spuren des Diabetes im Pankreasgewebe
Um diese Wissenslücke zu schließen, hat sich ein interdisziplinäres Forschungsteam aus mehreren Partnerinstituten des Deutschen Zentrums für Diabetesforschung (DZD) – dem Paul-Langerhans-Institut Dresden, dem Deutschen Diabetes-Zentrum und dem Institut für Diabetesforschung und Metabolische Erkrankungen von Helmholtz Munich – mit Forschenden des Deutschen Krebsforschungszentrums (DKFZ) sowie internationalen Partnern zusammengeschlossen. Ziel war es zu untersuchen, ob sich Menschen mit Typ-2-Diabetes anhand charakteristischer Merkmale im Pankreasgewebe von stoffwechselgesunden Personen unterscheiden lassen und welche Gewebestrukturen dabei besonders relevant sind.
Hierfür analysierten die Forschenden hochauflösende digitale Aufnahmen kompletter Pankreasgewebeschnitte aus der LIDOPACO-Kohorte (siehe Kasten), der weltweit größten Sammlung von Pankreasgewebe metabolisch charakterisierter lebender Spenderinnen und Spender. Die Gewebeproben stammen von Menschen, die sich aus unterschiedlichen medizinischen Gründen einer Operation an der Bauchspeicheldrüse unterzogen hatten. Diese einzigartige Biobank bietet die Möglichkeit, krankheitsbedingte Veränderungen direkt im menschlichen Gewebe zu untersuchen und mit umfassenden klinischen sowie Stoffwechseldaten zu verknüpfen.
Blick in das Gewebe: Unsichtbares wird sichtbar
"Mit 100 Proben aus Dresden und Tübingen haben wir einen der bislang umfangreichsten Datensätze aus Gewebeabschnitten der Bauchspeicheldrüse aufgebaut", erklärt Dr. Felicia Gerst, Wissenschaftlerin am Institut für Diabetesforschung und Metabolische Erkrankungen am Universitätsklinikum Tübingen. "Die Gewebeproben wurden mit verschiedenen Färbemethoden behandelt, um zahlreiche Zelltypen und Strukturen hervorzuheben und dann mittels Gigapixel-Mikroskopie digitalisiert", berichtet Yanni Morgenroth, einer der Erstautoren der Studie. "Eine Kombination aus Deep-Learning- und erklärbaren KI-Modellen wurde auf diesem Datensatz trainiert, um zunächst zwischen Pankreasgewebe von Personen mit und ohne Typ-2-Diabetes zu unterscheiden und anschließend die biologischen Faktoren zu identifizieren, die von der KI zur korrekten Zuordnung herangezogen wurden", führt Lukas Klein vom DKFZ aus. Mit großem Erfolg: Die Modelle konnten den Diabetesstatus präzise vorhersagen und erstmals nachvollziehbar machen, welche Gewebestrukturen dabei eine zentrale Rolle spielen.
Erklärbare KI-Modelle erweitern das Bild der Krankheitsmechanismen
Die Analysen liefern ein erweitertes Bild der Krankheitsmechanismen. So zeigte sich, dass Veränderungen bei Typ-2-Diabetes keineswegs auf die Betazellen beschränkt sind. Auch Alpha- und Delta-Zellen treten in anderer Position und Verteilung auf und Fortsätze von Nerven spielen eine Rolle. Zudem sind die Langerhans-Inseln insgesamt kleiner. Eine weitere wichtige Erkenntnis betrifft Fettzellen in der Bauchspeicheldrüse. Bei Menschen mit Typ-2-Diabetes befinden sich Fettzellen häufiger in direkter Umgebung der Langerhans-Inseln. "Diese Nähe könnte die Funktion der hormonproduzierenden Langerhans-Inselchen beeinflussen", erklärt Professor Robert Wagner vom DDZ. "Die Ergebnisse bieten uns konkrete Ausgangspunkte für weitere Forschung. Denn wenn wir die strukturellen Mechanismen der Krankheit verstehen und wissen, welche Prozesse sie antreiben, können wir neue Therapien gezielter entwickeln", fügt Wagner hinzu, der das Projekt initiiert hat.
Bemerkenswert ist die hohe Leistungsfähigkeit der besten Modelle, welche bei einer Vorhersagegenauigkeit von etwa 95 Prozent liegt. Gleichzeitig sorgt der Ansatz für Transparenz, da die erklärbare KI nachvollziehbar macht, welche Gewebestrukturen und Bildbereiche maßgeblich zu ihrer Entscheidung beitragen.
Perspektiven für Forschung und Versorgung
"Das Forschungsprojekt zeigt, dass wir nicht nur einzelne Zellen, sondern das gesamte mikroskopische Netzwerk der Bauchspeicheldrüse betrachten müssen, um Typ-2-Diabetes besser zu verstehen", betont Michele Solimena, Professor für Molekulare Diabetologie am Universitätsklinikum Dresden und Sprecher des Paul Langerhans Instituts in Dresden. Durch die Kombination aus künstlicher Intelligenz und erklärbaren Analyseverfahren gelingt es erstmals, diese komplexen Beziehungen systematisch zu erfassen und quantitativ zu beschreiben. Die identifizierten Merkmale können als potenzielle Biomarker dienen und neue Ansatzpunkte für weitere Forschung liefern.
Die Studie zeigt eindrucksvoll, welches Potenzial in der Verbindung von biomedizinischer Forschung und künstlicher Intelligenz liegt. Die entwickelten Methoden leisten nicht nur einen Beitrag zum besseren Verständnis der Pathophysiologie des Typ-2-Diabetes, sondern könnten künftig auch klinische Anwendungen unterstützen – etwa in der Diagnostik oder bei der Entwicklung neuer Therapieansätze.
Originalpublikation: Klein et al., "Explainable AI-based analysis of human pancreas sections identifies traits of type 2 diabetes", Nature Communications (2026).
|
|
Erschienen in: Diabetes-Forum, 2026; 38 (4) Seite 22-23