Seit mehr als siebzig Jahren wird die hämatologische Analyse durch aufeinanderfolgende technologische Durchbrüche vorangetrieben. Von der automatisierten Zellzählung über die multiparametrische Durchflusszytometrie bis hin zur digitalen Morphologie hat jede Innovationsgeneration die Möglichkeiten der Labore erweitert, Blut zu untersuchen und zu verstehen.

Dennoch ist einer der informationsreichsten Bereiche der Hämatologie nach wie vor schwer zu skalieren: die Zellmorphologie. Seit Jahrzehnten stützt sich die Erkennung abnormaler Zellen auf das geschulte Auge erfahrener Spezialisten. Die mikroskopische Untersuchung liefert zwar tiefgreifende diagnostische Erkenntnisse, lässt sich jedoch naturgemäß nur schwer standardisieren und auf moderne Gesundheitssysteme ausweiten.

Die Gesundheitslandschaft befindet sich heute im Wandel. Die Diagnostik ist nicht mehr auf zentralisierte Labore beschränkt. In Krankenhäusern, Kliniken und dezentralen Versorgungsnetzwerken entwickeln sich diagnostische Untersuchungen zunehmend zu einer häufig genutzten klinischen Infrastruktur, die die täglichen medizinischen Entscheidungen unterstützt. In diesem Umfeld müssen Diagnosesysteme in unterschiedlichen klinischen Umgebungen, bei unterschiedlicher Erfahrung der Anwender und unter realen Arbeitsbelastungen zuverlässig funktionieren.

Genauigkeit allein reicht nicht mehr aus. Diagnosetechnologien müssen darüber hinaus Konsistenz, Betriebsstabilität und Skalierbarkeit über gesamte Gesundheitsnetzwerke hinweg gewährleisten. Dieser Wandel definiert neu, was Diagnosetechnologie leisten muss. Gleichzeitig vollzieht sich ein weiterer Wandel: die Weiterentwicklung der künstlichen Intelligenz.

Entstanden im Zuge der Entwicklung der künstlichen Intelligenz

Ozelle wurde 2014 in einem Labor im Silicon Valley während der ersten Welle des Deep Learning gegründet. Von Anfang an konzentrierte sich Ozelle darauf, maschinelle Intelligenz auf eine der komplexesten Herausforderungen in der Labordiagnostik anzuwenden – die Analyse der Zellmorphologie.

Zwischen 2014 und 2019 leistete Ozelle Pionierarbeit bei der Integration von Deep Learning und hochauflösender Zellbildgebung und erzielte dabei erste Durchbrüche bei der automatisierten Morphologieerkennung. Diese Arbeit brachte ein interdisziplinäres Team zusammen, das die Bereiche Strukturbiologie, Bildwissenschaft und Computer Vision umfasste. Zu den wichtigsten Mitwirkenden gehörten Dr. John Wu, dessen Fachwissen im Bereich der computergestützten Strukturbiologie dazu beitrug, komplexe biologische Strukturen und zelluläre Muster in maschinell interpretierbare Darstellungen zu übersetzen, sowie Dr. G. Cong, Erfinder mehrerer US-Patente im Bereich der zellulären Bildanalyse, dessen Arbeit die algorithmischen Grundlagen für die automatisierte Zellklassifizierung vorantrieb.

Als sich die künstliche Intelligenz in Richtung der Ära der Foundation-Modelle und des Transferlernens weiterentwickelte, weitete Ozelle seine Forschung über die Algorithmenentwicklung hinaus auf praktische diagnostische Anwendungen aus. Ab 2020 entwickelte das Team unter der technischen Leitung von Jie Du – dessen Arbeit eine Brücke zwischen intelligenter Hardware, maschinellem Sehen und Sensorsystemen schlägt – „AI × Complete Blood Morphology“ (KI × CBM), ein Rahmenkonzept, das darauf abzielt, die Morphologieanalyse über verschiedene Geräte, Umgebungen und klinische Anwender hinweg zu standardisieren. Dieser Ansatz ermöglicht eine konsistente, hochpräzise Morphologieauswertung, die in realen klinischen Umgebungen validiert wurde.

In den letzten zehn Jahren ist Ozelle mit den aufeinanderfolgenden Entwicklungswellen im Bereich der künstlichen Intelligenz gewachsen und hat Fortschritte in der maschinellen Wahrnehmung in praktische Diagnosefähigkeiten umgesetzt. Heute ist Ozelle weltweit tätig und unterhält einen Standort in Frankfurt am Main, wo fortschrittliche Bildgebung, maschinelle Intelligenz und die Entwicklung von Diagnosesystemen zusammengeführt werden. Ozelle-Systeme kommen mittlerweile weltweit sowohl in medizinisch und Tierarzt Märkte.

Morphologie in skalierbare Intelligenz umwandeln

Die traditionelle hämatologische Diagnostik liefert äußerst zuverlässige numerische Parameter, doch die Beurteilung der Morphologie hängt nach wie vor weitgehend von manuellem Fachwissen ab. Ozelle begegnet dieser Herausforderung durch den Einsatz von KI in Verbindung mit CBM. CBM gewährleistet, dass die Zellmorphologie über alle Proben und Geräte hinweg mit gleichbleibender Bildqualität erfasst wird. Die KI analysiert anschließend diese morphologischen Merkmale, um standardisierte Auswertungen der Zellmuster zu erstellen.

Gemeinsam verwandeln KI und CBM die Morphologieanalyse von einer individuellen Expertenkompetenz in eine einheitliche Diagnosemöglichkeit, die labor-, klinik- und gesundheitsnetzwerkübergreifend eingesetzt werden kann. Dieser Wandel markiert den Beginn der vierten Generation der hämatologischen Analyse.

Diagnose als ganzheitliches System

Reale klinische Umgebungen entsprechen selten den kontrollierten Bedingungen im Labor. Die Arbeitsbelastung schwankt, die Bediener verfügen über unterschiedliche Erfahrung, und eine fachliche Begutachtung steht möglicherweise nicht immer sofort zur Verfügung. Aus diesem Grund betrachtet Ozelle Diagnosegeräte nicht als eigenständige Instrumente, sondern als integrierte Systeme, die für den klinischen Alltag konzipiert sind.

Die Grundlage bilden Analysegeräte, die für einen stabilen Betrieb in dezentralen Gesundheitsversorgungsumgebungen ausgelegt sind. Über die analytische Leistungsfähigkeit hinaus sind die Systeme auf langfristige Messkonsistenz, minimalen Wartungsaufwand und eine geringere Abhängigkeit vom Bedienpersonal ausgelegt.

Auf dieser Grundlage basiert „AI × CBM“, das die Zellmorphologie in strukturierte, maschinell auswertbare Informationen umwandelt. Durch die Kombination standardisierter Bildgebung mit KI-gestützter Auswertung lassen sich morphologische Erkenntnisse geräte- und standortunabhängig einheitlich gewinnen.

Unterstützt wird der Arbeitsablauf durch die AI Workbench, eine integrierte Plattform, die Diagnosedaten organisiert, auffällige zelluläre Befunde hervorhebt und Ärzten sowie Laborfachkräften klare morphologische Befunde präsentiert. Da diagnostische Untersuchungen zunehmend auch außerhalb spezialisierter Labore durchgeführt werden, müssen Ärzte immer größere Mengen an Diagnosedaten auswerten, während der Zugang zu Morphologie-Experten nach wie vor begrenzt ist. Seltene oder atypische Zellmuster treten in der Routinepraxis möglicherweise nur gelegentlich auf, was eine einheitliche Erkennung in verschiedenen klinischen Umgebungen erschwert.

Die AI Workbench begegnet dieser Herausforderung, indem sie intelligente Analysen direkt in den diagnostischen Arbeitsablauf integriert. Das System ersetzt nicht die klinische Expertise, sondern hilft dabei, atypische Muster aufzudecken, das Risiko übersehener Befunde zu verringern und eine einheitlichere diagnostische Beurteilung zu gewährleisten. Durch diese Architektur entwickeln sich diagnostische Untersuchungen von isolierten Messungen zu strukturierter klinischer Intelligenz, die in Routineabläufe integriert ist.

Entwickelt für die tägliche klinische Praxis

Ozelle-Systeme sind so konzipiert, dass sie sich nahtlos in den klinischen Alltag integrieren lassen. Dank eines wartungsarmen Systemdesigns, KI-gestützter Befunderstellung und intelligenter Datenintegration können Ärzte eine schnellere Diagnose, eine klarere Interpretation komplexer biologischer Daten sowie einheitlichere Ergebnisse über alle Anwender und Standorte hinweg erzielen.

Das Ziel ist einfach: Fortschrittliche Diagnoseintelligenz in den klinischen Alltag zu integrieren – ohne die betriebliche Komplexität zu erhöhen.

Die Zukunft der Diagnostik

Die Mission von Ozelle ist einfach, aber ehrgeizig: intelligente Diagnostik soll in der Praxis zuverlässig funktionieren. Durch die Umwandlung komplexer Laborabläufe in integrierte, KI-gestützte Systeme, die auf KI × CBM basieren, sorgt Ozelle dafür, dass hämatologische Analysen auf Expertenniveau weltweit in alltäglichen klinischen Umgebungen zugänglich, skalierbar und vertrauenswürdig werden.