Chronisch entzündliche Darmerkrankungen: KI erkennt den Unterschied

Die Diagnose und Unterscheidung der chronisch entzündlichen Darmerkrankungen (CED) Colitis ulcerosa und Morbus Crohn ist oft anspruchsvoll, weil sich Symptome vor allem zu Beginn der Erkrankungen ähneln oder überlappen. So vergeht viel Zeit bis zur richtigen Diagnose und letztlich zur zielgerichteten Therapie. Dieses Defizit kann mit KI gelöst werden. Das haben Forschende um Christina Plattner und Zlatko Trajanoski vom Institut für Bioinformatik auf Basis der IBDome-Datenbank herausgefunden. Das renommierte Journal Gastroenterology berichtet.

Bauchschmerzen, Durchfälle, Fieber oder Gewichtsverlust, das sind einige der klinischen Symptome, die auf die weltweit stark zunehmenden entzündlichen Darmerkrankungen Morbus Crohn oder Colitis ulcerosa hinweisen können. Eine eindeutige Zuordnung ist oft schwierig und nicht immer möglich, selbst durch bildgebende Verfahren und Gewebeuntersuchungen nicht. Bisher gibt es keine Heilung, aber durch frühere Diagnosen und personalisierte Therapien kann die Lebensqualität der Betroffenen deutlich verbessert werden.

Mit der Kombination modernster Analysemethoden – darunter Genomik, Transkriptomik, Proteomik – und künstlicher Intelligenz könnte jedoch ein entscheidender Fortschritt im Verständnis dieser komplexen Erkrankungen erzielt werden, wie eine aktuelle Forschungsarbeit aus dem Institut für Bioinformatik (Direktor: Zlatko Trajanoski) eindrucksvoll zeigt.

Den Startpunkt bildete IBDome, eine im Rahmen des bundesdeutschen Sonderforschungsbereichs TRR 241 eingerichtete Plattform zur Erforschung von chronisch-entzündlichen Darmerkrankungen, an der CED-Zentren in Berlin, Erlangen und Innsbruck beteiligt sind. „Bereits vor acht Jahren begann man, genetische, molekulare und klinische Daten von Patient:innen mit Morbus Crohn und Colitis ulcerosa zu sammeln und in einer gemeinsamen, öffentlich zugänglichen Datenbank zu vereinen, sodass wir inzwischen über sehr umfangreiche omische Datensätze verfügen“, berichtet Bioinformatiker Trajanoski, der es bereits seit vielen Jahren versteht, mit großen Datenmengen umzugehen und für die Medizin nutzbar zu machen.

Für die gemeinsam mit seinen Mitarbeiter:innen Christina Plattner, Sandro Carollo, Dietmar Rieder und Raphael Gronauer sowie Kolleg:innen des Departments für Pathologie (Claudia Manzl, Steffen Ormanns, Michael Günther) und der Univ.-Klinik für Innere Medizin I (Felix Grabherr, Moritz Meyer, Timon Adolph, Herber Tilg) durchgeführte Analyse von über 1.000 CED-Patient:innen wurden neben Exom-Sequenzierung und RNA-Sequenzierung von normalem und entzündetem Darmgewebe sowie Serum-Proteomik auch H&E-gefärbte Gewebeschnitte eingescannt und histopathologisch bewertet. „Diese digitalen pathologischen Bilder haben wir dann voriges Jahr erstmals mit den neuesten KI-Methoden ausgewertet. Und es war tatsächlich möglich, die CED-Patient:innen anhand der Bilder eindeutig und vom histopathologischen Befund unabhängig zu klassifizieren bzw. Colitis ulcerosa oder Morbus Crohn zuzuordnen. Wir sehen, dass der KI-Algorithmus die Muster genau in jenen Bereichen findet, wo auch der histopathologische Nachweis liegt“, berichtet Erstautorin Christina Plattner. Die Validierung der Ergebnisse erfolgte mit Patient:innenproben der Innsbrucker Universitätsklink.

„Mit unserer Studie unterstreichen wir das Potenzial von Multi-Omics-Methoden in Kombination mit Deep Learning Modellen. Gemeinsam liefern sie ein brauchbares Tool, um Patient:innen schnell, treffsicher und objektiv zu diagnostizieren und so eine frühzeitige personalisierte Therapie einleiten zu können“, schließt Trajanoski.

(16.06.2026, Text: D. Heidegger, Bilder: MUI)
 
Links:
 
IBDome: An integrated molecular, histopathological, and clinical atlas of inflammatory bowel diseases. C. Plattner et al., Gastroenterology, 2026; 
ibdome.org
https://www.transregio241.de/projects/ibdome/
Institut für Bioinformatik