Die automatisierte Hämatologie steht im Mittelpunkt der modernen Diagnostik und liefert schnelle und zuverlässige vollständige Blutbilder (CBCs), die Entscheidungsgrundlagen in der Inneren Medizin, der Notfallmedizin, der Onkologie und weiteren Fachgebieten bieten. In den letzten zehn Jahren hat sich das Fachgebiet von einfachen, auf Impedanz basierenden Zählgeräten hin zu KI-gestützten Analysegeräten entwickelt, die neben numerischen Ergebnissen auch detaillierte morphologische Informationen und Entscheidungshilfen liefern.

In diesem Artikel wird erläutert, wie die automatisierte Hämatologie im Jahr 2026 funktioniert, was sich durch bildbasierte KI verändert hat und wie Sie das richtige automatische Hämatologie-Analysegerät für Ihr Labor oder Ihre Klinik auswählen.

Was die automatisierte Hämatologie eigentlich leistet

Ein automatischer Hämatologie-Analysator automatisiert die Messung wichtiger Blutparameter, darunter:

• Anzahl der weißen Blutkörperchen (WBC) und Differentialblutbild
• Anzahl der roten Blutkörperchen (RBC) und Indizes (MCV, MCH, MCHC, RDW usw.)
• Hämoglobin (HGB) und Hämatokrit (HCT)
• Thrombozytenzahl (PLT) und Thrombozytenindizes

Über diese Grundfunktionen hinaus bieten moderne automatisierte Hämatologie-Analysegeräte häufig zusätzliche Funktionen:

• 3-teilige, 5-teilige oder 7-teilige WBC-Differenzierung zur Unterscheidung von Neutrophilen, Lymphozyten, Monozyten, Eosinophilen, Basophilen und manchmal auch unreifen oder abnormen Formen.
• Fortgeschrittene Verhältnisse und Indizes wie das Neutrophilen-Lymphozyten-Verhältnis (NLR) und das Thrombozyten-Lymphozyten-Verhältnis (PLR), die zunehmend zur Prognose und Risikostratifizierung herangezogen werden.
• Morphologische Merkmale und digitale Bilder, insbesondere in KI-gestützten Systemen, die dabei helfen, abnormale Zellen zu erkennen und als Orientierung für die weitere Beurteilung dienen.

Die EHBT-Serie von Ozelle beispielsweise kombiniert CBC-Parameter mit digitaler Bildgebung und KI-Morphologie (Complete Blood Morphology, CBM) in einem einzigen automatisierten Durchlauf.

Von der Impedanz zur KI: Die Entwicklung der automatisierten Hämatologie

Im Laufe der Zeit haben sich Hämatologie-Analysegeräte in vier wesentlichen Phasen weiterentwickelt:

Bühne	Kerntechnologie	Stärken	Beschränkungen
Manuelle Mikroskopie	Mikroskopische Untersuchung des Abstrichs	Vielfältige Morphologie, fundierte Erkenntnisse	Langsam, subjektiv, arbeitsintensiv
Elektrische Impedanz	Zellvolumen und Zellzahl	Einfach, erschwinglich, robust	Beschränkt auf Größe und Anzahl; geringe Morphologie
Durchflusszytometrie	Lichtstreuung und Fluoreszenz	Detaillierte Klassifizierung	Komplex, kostspielig, markerabhängig
Bildbasierte KI	Digitale Bildverarbeitung + KI	Umfangreiche, standardisierte Morphologie in großem Maßstab	Erfordert leistungsstarke Optik und Rechenleistung

Frühe Analysegeräte automatisierten lediglich das Zählen und die Größenbestimmung; die heutigen KI-gestützten Systeme kombinieren digitale Bildgebung, multispektrale Optik und Deep Learning, um auf automatisierte und konsistente Weise eine Morphologie auf Expertenniveau zu erreichen.

So funktioniert ein KI-gestützter automatischer Hämatologie-Analysator

Am Beispiel des EHBT-50 von Ozelle lässt sich zeigen, dass ein typischer automatisierter Arbeitsablauf in der Hämatologie weit über eine einfache Zellzählung hinausgeht.

Schritt 1: Probenbeladung

Eine kleine Menge venösen oder kapillaren Blutes – häufig 30–100 µL – wird in das Analysegerät oder in eine spezielle Kartusche eingefüllt.

Schritt 2: Automatisierte Vorbehandlung

Das Analysegerät übernimmt automatisch das Verdünnen, Mischen, Färben und Vorbereiten, wodurch manuelle Arbeitsschritte reduziert und die Verarbeitung standardisiert werden.

Schritt 3: Bildgebung und Signalerfassung

Hochauflösende Kameras nehmen mehrere Bilder von Zellen auf, oft in verschiedenen Fokusebenen und bei verschiedenen Wellenlängen, und liefern so einen detaillierten Einblick in die Zellform, die Granularität und die Morphologie des Zellkerns.

Schritt 4: KI-Morphologieanalyse

Konvolutionelle neuronale Netze (CNNs) und andere KI-Modelle segmentieren und klassifizieren Zellen in verschiedene Kategorien von weißen Blutkörperchen (WBC), roten Blutkörperchen (RBC) und Blutplättchen (PLT), einschließlich abnormaler Formen. Diese Modelle werden anhand umfangreicher Datensätze mit echten klinischen Bildern trainiert.

Schritt 5: Berechnung der Parameter

Das System berechnet neben den Standardparametern des großen Blutbildes (CBC) auch erweiterte morphologiebasierte Indikatoren und Marker, sodass bei hochentwickelten Analysegeräten insgesamt 30 bis 40 oder mehr Parameter ermittelt werden können.

Schritt 6: Berichterstellung und Integration

Die Ergebnisse werden auf dem Bildschirm des Analysegeräts angezeigt, können ausgedruckt werden und werden in der Regel zur Speicherung und Auswertung an das LIS/HIS oder eine Cloud-Plattform übertragen. Einige Systeme generieren zudem auf der Grundlage von Parametermustern Vorschläge für die Befundung.

Bei vielen Routineproben dauert dieser gesamte Vorgang etwa sechs Minuten pro Test.

Klinische Vorteile der automatisierten Hämatologie mit KI-gestützter Morphologie

Die KI-gestützte automatisierte Hämatologie bietet mehrere klare klinische und betriebliche Vorteile:

Verbesserte Erkennung abnormaler Zellen

KI-Modelle, die anhand von Millionen von Zellen trainiert wurden, können subtile morphologische Veränderungen und abnormale Zellpopulationen erkennen, die bei einer rein manuellen Auswertung nur schwer konsistent identifiziert werden können. Dazu gehören unreife Granulozyten, atypische Lymphozyten, abnormale Thrombozyten sowie Formveränderungen bei roten Blutkörperchen.

Konsistentere und besser reproduzierbare Ergebnisse

Die manuelle Auswertung von Ausstrichen kann je nach Labortechniker variieren und sogar bei ein und derselben Person an verschiedenen Tagen unterschiedlich ausfallen. Bei der automatisierten Bildauswertung und KI-Klassifizierung werden jedes Mal dieselben Entscheidungsregeln angewendet, was dazu beiträgt, die Variabilität zwischen den Beobachtern zu verringern und die Konsistenz zu verbessern.

Kürzere Bearbeitungszeit

Da KI-Analysatoren sowohl das Blutbild als auch die Morphologie in einem einzigen automatisierten Durchlauf liefern, reduzieren sie den Aufwand für die Anfertigung und Auswertung separater Ausstriche erheblich. Dies verkürzt die Durchlaufzeit, was insbesondere in der Notfall- und ambulanten Versorgung von großer Bedeutung ist.

Intelligentere Triage bei der Beurteilung von Abstrichen

Automatisierte Systeme können ausschließlich jene Proben kennzeichnen, die tatsächlich eine manuelle Überprüfung erfordern, sodass sich Hämatologie-Experten auf besonders wichtige Fälle konzentrieren können. Dies verbessert die Gesamteffizienz bei gleichzeitiger Wahrung der Qualitätsstandards.

Wie sich die automatisierte Hämatologie in Arbeitsabläufe und die Vernetzung einfügt

Moderne automatische Hämatologie-Analysegeräte werden zunehmend in umfassendere digitale Ökosysteme integriert:

• LIS/HIS-Integration: Der direkte Datenaustausch mit Labor- und Krankenhausinformationssystemen reduziert Übertragungsfehler und beschleunigt die Berichterstellung.
• IoT- und Fernüberwachungs-Cloud-Plattformen ermöglichen die Fernüberwachung des Analysatorstatus, der Verbrauchsmaterialien und der Leistungskennzahlen an mehreren Standorten.
• Analytik und Qualitätsmanagement Die von Hämatologie-Analysegeräten gesammelten Daten können für die Qualitätskontrolle, die Kapazitätsplanung und sogar für die klinische Forschung genutzt werden.

Ozelle bietet beispielsweise eine Cloud-Plattform an, die EHBT-Analysegeräte und andere Geräte miteinander verbindet und es Händlern und Gesundheitsnetzwerken ermöglicht, Gerätebestände zu überwachen, Verbrauchsmaterialien zu verwalten und Testtrends zu analysieren.

Die Wahl des richtigen automatischen Hämatologie-Analysegeräts

Berücksichtigen Sie bei der Auswahl eines automatisierten Hämatologiesystems die folgenden Fragen:

1. Welchen Detaillierungsgrad benötigen wir bei der Leukozytendifferenzierung?
   1. Dreiteilige Analysegeräte reichen für die Grundversorgung oft aus.
   2. 5-Kanal- und 7-Kanal-Analysegeräte werden vor allem in Krankenhäusern und Fachzentren eingesetzt, die komplexe hämatologische und onkologische Fälle behandeln.
2. Brauchen wir KI-Morphologie und digitale Bilder?
   1. Die KI-Morphologie reduziert den Arbeitsaufwand bei der Ausstrichuntersuchung und liefert detailliertere Informationen.
   2. Der Zugriff auf Bilder kann für Schulungen, die Fallbesprechung und die Konsultation von großem Nutzen sein.
3. Wie hoch ist unser aktuelles und prognostiziertes Testvolumen?
   1. Labore mit hohem Durchsatz profitieren stärker von Automatisierung und KI, da sich die Zeitersparnis und die geringeren Ausstrichraten schnell summieren.
4. Brauchen wir zusätzliche Testkanäle in einem Gerät?
   1. Multifunktionale Analysegeräte, die Hämatologie mit Immunoassays oder grundlegenden chemischen Untersuchungen kombinieren, können die Laborausstattung vereinfachen und umfassendere diagnostische Arbeitsabläufe unterstützen.
5. Wie sieht es mit der Konnektivität und dem langfristigen Support aus?
   1. Achten Sie auf Systeme, die für die Anbindung an LIS-/HIS-Systeme und Cloud-Plattformen ausgelegt sind, sowie auf Anbieter, die Fernwartung und Software-Updates anbieten.

Ausführliche Beispiele für verschiedene automatisierte Hämatologielösungen finden Sie auf der Website von Ozelle unter https://ozellemed.com/en/.

Häufig gestellte Fragen – Automatisierte Hämatologie

Frage 1: Ist die automatisierte Hämatologie genau genug, um alle manuellen Ausstriche zu ersetzen?

KI-gestützte Analysegeräte reduzieren die Anzahl der erforderlichen Ausstriche erheblich, doch die manuelle Begutachtung bleibt in besonders ungewöhnlichen, komplexen oder kritischen Fällen weiterhin wichtig.

Frage 2: Worin besteht der Unterschied zwischen einem herkömmlichen Hämatologie-Analysegerät und einem KI-gestützten Gerät?

Herkömmliche Analysegeräte zählen und vermessen hauptsächlich Zellen, während KI-gestützte Systeme zusätzlich die Morphologie mittels Bildgebung analysieren, was die Erkennung abnormaler Zellen verbessert und den manuellen Arbeitsaufwand verringert.

Frage 3: Brauchen kleinere Kliniken wirklich eine KI-basierte Morphologie?

Viele kleinere Kliniken profitieren von KI, wenn sie schnellere und detailliertere Ergebnisse erzielen möchten, ohne ein großes Laborteam aufbauen zu müssen; Standorte mit sehr geringem Durchsatz könnten jedoch den Schwerpunkt auf die Anschaffungskosten legen und sich auf ein einfaches großes Blutbild beschränken.

Frage 4: Wie lassen sich automatisierte Hämatologie-Analysegeräte in standortübergreifende Netzwerke integrieren?

Vernetzte Analysegeräte ermöglichen eine zentralisierte Leistungsüberwachung, ein einfacheres Qualitätsmanagement und einheitlichere Ergebnisse an allen Standorten.