Microsofts GigaTIME macht Krebsdiagnostik 1'000-mal günstiger
Ein KI-Modell von Microsoft Research übersetzt billige Routine-Gewebeschnitte in hochauflösende Proteinkarten – und ermöglicht erstmals populationsweite Analysen des Tumor-Immunsystems.
Pascal Eugster
GRÜNDER & ENTWICKLER
21. APRIL 2026
2 MIN. LESEZEIT
INHALT
INHALT
in
PARTNER · INOO GMBH
Wie viel KI verträgt dein Betrieb? In 30 Minuten Klartext.
Kostenloses Erstgespräch — herstellerneutral, direkt aus dem Rheintal.
Gespräch buchen →
DAS WICHTIGSTE IN KÜRZE
Microsofts GigaTIME übersetzt günstige Routine-Gewebeschnitte in hochauflösende Proteinkarten und ermöglicht erstmals populationsweite Krebsanalysen – Modell und Daten sind seit April 2026 offen verfügbar.
Von 5'000 Dollar auf 5 Dollar pro Probe
Multiplex-Immunfluoreszenz (mIF) gilt als Goldstandard für die Analyse des Tumor-Immunmikroumfelds – doch eine einzige Probe kostet über 5'000 Dollar und braucht aufwändige Laborarbeit. GigaTIME umgeht dieses Problem: Das multimodale KI-Modell übersetzt routinemässige Hämatoxylin-Eosin-Schnitte (H&E, Kosten: 5 bis 10 Dollar) in virtuelle mIF-Bilder mit 21 Proteinkanälen – darunter Marker wie CD8, PD-L1, CD68 und Caspase 3.
Das Modell wurde auf 40 Millionen Zellen mit gepaarten H&E- und mIF-Bildern von Providence Health trainiert. Anschliessend generierte das Team eine virtuelle Population von rund 300'000 mIF-Bildern für 14'256 Krebspatienten aus 51 Spitälern über 24 Krebsarten und 306 Subtypen. Dabei identifizierte es 1'234 statistisch signifikante Assoziationen zwischen Proteinaktivierungen und klinischen Merkmalen. Eine externe Validierung auf 10'200 TCGA-Patienten bestätigte die Ergebnisse mit einer Spearman-Korrelation von 0,88.
Offen verfügbar seit April 2026
Die Studie wurde im Dezember 2025 in Cell publiziert. Seit dem 8. April 2026 sind Modellgewichte und Inferenz-Tools über Microsoft Foundry und Hugging Face öffentlich zugänglich. Entwickelt wurde GigaTIME von Microsoft Research Health Futures gemeinsam mit Providence Health und der University of Washington.
Schweiz-Kontext
Roche betreibt mit der Ventana-Sparte eines der grössten digitalen Pathologie-Ökosysteme weltweit. Im März 2026 kündigte Roche eine grossangelegte KI-Fabrik mit 2'176 NVIDIA-GPUs an, um KI-Algorithmen für Diagnostik und Therapieentwicklung zu beschleunigen. Roches Digital Pathology Open Environment erlaubt die Integration von Drittanbieter-Algorithmen – GigaTIME wäre ein naheliegender Kandidat. Auch die ETH Zürich forscht mit dem AI Center intensiv an biomedizinischer KI.
Quellen
Microsoft Research Blog: GigaTIME↗ EXTERNER LINKAzure AI Foundry Blog: GigaTIME on Microsoft Foundry↗ EXTERNER LINKCell: Multimodal AI generates virtual population for tumor microenvironment modeling↗ EXTERNER LINKFIRMEN IN DIESEM ARTIKEL
WEITERLESENDas könnte dich auch interessieren.
Nur für Abonnenten·KI-FORSCHUNG·3. SEPTEMBER 2026
KI findet sechs curl-Lücken – der 6:0-Vergleich hinkt
Im neuen curl-Release stecken neun Sicherheitslücken, sechs davon meldete das KI-System der Firma AISLE – kurz nachdem die Systeme von OpenAI und Anthropic nichts mehr gefunden hatten. Die Funde sind echt und amtlich belegt. Der daraus gebastelte Wettkampf ist es nicht.
KI-FORSCHUNG·3. SEPTEMBER 2026
EPFL gibt der KI Zweifel – und spart 40 Prozent Experimente
Forschende der EPFL koppeln ein Sprachmodell mit einem Gauss-Prozess, der zu jeder Vorhersage eine Unsicherheit mitliefert. Die Methode GOLLuM findet in 23 Benchmark-Aufgaben gute Versuchsbedingungen mit über 40 Prozent weniger Experimenten als klassische Verfahren – publiziert in Nature Machine Intelligence.
KI-FORSCHUNG·2. SEPTEMBER 2026
OpenAI bremst Astra – erstmals «kritische» Cyber-Stufe erreicht
OpenAI stuft sein Modell Astra als erstes in die höchste Cyber-Risikoklasse ein und drosselt den Zugang.
Nur für Abonnenten·KI-FORSCHUNG·1. SEPTEMBER 2026
Anthropic stoppte seine Cyber-Tests – und trainierte einen Betrüger
Anthropic legt offen, was nach den Sicherheitsvorfällen vom Sommer intern passierte: pausierte Cyber-Evaluationen, ein Klassifikator, der Ausbruchsversuche vor dem Tool-Call stoppt, und über 10 Prozent fehlerhafte Trainingsumgebungen. Dazu eine Studie, für die ein Opus-Modell absichtlich zum Betrügen trainiert wurde.
KI-FORSCHUNG·31. AUGUST 2026
Dein Coding-Agent hat kein Zeitgefühl – und merkt es nicht
Claude Code und OpenAI Codex können weder vorhersagen, wie lange eine Aufgabe dauert, noch zuverlässig sagen, wie lange sie schon arbeiten. Eine MATS-Studie misst Fehlschätzungen um das Drei- bis Zehnfache – und zeigt, dass die Agenten sich zusätzlich rund 20 Punkte zu gute Noten geben. Was das für Timeouts, Kostenschätzungen und Projektkalkulation bedeutet.
KI-FORSCHUNG·30. AUGUST 2026
Google gibt KI-Agenten ein Wiki – damit sie aus Fehlern lernen
Ein Preprint von Google Research zeigt, wie KI-Agenten ihre Erfahrung in einem wachsenden Wiki festhalten und daraus bessere Anleitungen für sich selbst schreiben. In Tests stieg die Durchschnittsgenauigkeit von Gemini 3.5 Flash von 49,5 auf 68,1 Prozent.