AIR-LEISH: Ein Datensatz von Giemsa-gefärbten Mikroskopaufnahmen für die KI-basierte Erkennung von Leishmania-amastigoten

Warum winzige Parasiten und smarte Kameras wichtig sind

Leishmaniose ist eine durch Parasiten übertragene Erkrankung, die stillschweigend Millionen von Menschen trifft, vor allem in einkommensschwächeren Regionen. Ärztinnen, Ärzte und Forschende sind nach wie vor stark darauf angewiesen, gefärbte Blut‑ und Gewebsausstriche unter dem Mikroskop zu betrachten, um den Parasiten in Immunzellen zu entdecken – ein mühsamer Prozess, der Stunden dauern kann und spezielle Ausbildung erfordert. Dieser Beitrag stellt AIR-LEISH vor, eine frei verfügbare Sammlung von Mikroskopbildern, die Computern das automatische Erkennen dieser Parasiten beibringen soll und so den Weg für schnellere, günstigere und verlässlichere Diagnose‑ und Wirkstoffforschungswerkzeuge öffnet.

Von Sandmückenstichen zu verborgenen Eindringlingen

Leishmaniose wird durch den Stich infizierter Sandmücken übertragen und kann Hautgeschwüre oder lebensbedrohliche Infektionen innerer Organe verursachen. Der Parasit lebt und vermehrt sich in weißen Blutkörperchen, den Makrophagen, und versteckt sich in einer winzigen, runden Form, die als Amastigot bezeichnet wird. Um festzustellen, wie stark ein Patient erkrankt ist oder wie gut eine potenzielle Behandlung wirkt, müssen Forschende zählen, wie viele Parasiten sich in diesen Zellen befinden. Molekulare Labortests können Parasiten‑DNA nachweisen, aber in vielen Krankenhäusern und Forschungslaboren – besonders in ressourcenarmen Umgebungen – bleiben einfache Lichtmikroskope die Hauptmethode. Das Zählen der Parasiten mit bloßem Auge ist jedoch langsam, ermüdend und kann zwischen Beobachtern stark variieren.

Ein Trainingssatz für künstliche Sicht aufbauen

Künstliche Intelligenz hat gezeigt, dass sie Muster in medizinischen Bildern erkennt, die für Menschen zu subtil oder zu mühsam wären, um sie in großem Maßstab zu verarbeiten. Damit KI‑Systeme dies gut tun können, benötigen sie jedoch tausende sorgfältig gelabelte Beispiele. Bisher waren derartige Bildsammlungen für Leishmaniose rar, unvollständig oder schwer zugänglich – besonders für die klinisch wichtige Amastigoten‑Phase innerhalb von Zellen. Die Autorinnen und Autoren haben AIR-LEISH geschaffen, um diese Lücke zu schließen: 180 hochaufgelöste, Giemsa‑gefärbte Mikroskopaufnahmen infizierter menschlicher Makrophagen, aufgenommen mit einem normalen Smartphone, das an ein Standardforschungsmikroskop montiert wurde. Jedes Bild zeigt Zellen aus einem von zwei Infektions‑Setups mit unterschiedlichen Parasitenarten und Wirtszelltypen, sodass ein breites Spektrum realistischer Erscheinungsbilder abgedeckt ist.

Rohbilder in vertrauenswürdige Referenzen verwandeln

Damit die Bilder für Computer nutzbar sind, mussten jede Zelle und jeder Parasit von Hand nachgezeichnet und beschriftet werden. Zunächst markierte eine Parasitologie‑Expertin beziehungsweise ein Experte die Umrisse einzelner Makrophagen, deren Zellkerne und die winzigen Amastigoten mit einem spezialisierten Annotierungswerkzeug. Anschließend verfeinerte ein KI‑Ingenieur diese Markierungen Pixel für Pixel, um genaue Formen und Grenzen sicherzustellen, auch bei kleinen oder überlappenden Parasiten. Das Team prüfte die Konsistenz zwischen den Annotierenden und fand eine sehr hohe Übereinstimmung, was darauf hinweist, dass die Labels als Ground Truth vertrauenswürdig sind. Insgesamt enthält der Datensatz 8.140 Parasiten, 1.511 Wirtszellen und 1.731 Zellkerne sowie separate Maskenbilder, die einem Algorithmus genau sagen, welche Pixel zu welcher Struktur gehören.

KI‑Modelle auf die Probe stellen

Um zu demonstrieren, was AIR-LEISH ermöglicht, trainierten die Forschenden zwei weit verbreitete Bildanalyse‑Systeme. Das eine, U‑Net genannt, ist darauf ausgelegt, jedes Pixel entsprechend dem Hintergrund, Parasiten, Zellkörper oder Zellkern einzufärben. Das andere, YOLOv8, zeichnet rechteckige Kästen um jedes erkannte Objekt und zählt diese. Trotz der geringen Größe der Parasiten und der begrenzten Anzahl an Bildern konnten beide Modelle Parasiten gut finden und von ihren Wirtszellen trennen und erzielten hohe Werte für Genauigkeit und Zuverlässigkeit. Die Modelle schafften es sogar, eine einzelne infizierte Zelle unter mehr als hundert überwiegend sauberen Zellen zu erkennen, was auf ihr Potenzial für sehr empfindliche Screening‑Verfahren in der Zukunft hindeutet.

Tore für bessere Versorgung und neue Heilmittel öffnen

Indem sie AIR-LEISH offen auf der Plattform Zenodo veröffentlichen – zusammen mit Code und ausführlicher Dokumentation – schaffen die Autorinnen und Autoren eine praktische Grundlage für viele Gruppen weltweit, insbesondere für solche mit begrenzten Ressourcen, um KI‑Werkzeuge für Leishmaniose zu entwickeln und zu vergleichen. Da die Bilder auch die Wirtszellen und ihre Zellkerne zeigen, kann der Datensatz breitere Studien zu Zellzählungen, Infektionsgraden und sogar anderen Erregern unterstützen, die in ähnlichen Immunzellen leben. Einfach ausgedrückt verwandelt diese Arbeit Stunden fachkundiger Mikroskoparbeit in eine wiederverwendbare digitale Ressource, die Diagnostik, Wirkstoffforschung und letztlich den Kampf gegen eine vernachlässigte, aber ernste Krankheit beschleunigt.

Zitation: Oualha, R., Fekih-Romdhane, N., Driss, D. et al. AIR-LEISH: A Dataset of Giemsa-Stained Microscopy Images for AI-based Leishmania amastigotes Detection. Sci Data 13, 328 (2026). https://doi.org/10.1038/s41597-026-06676-8

Schlüsselwörter: Leishmaniose, Mikroskopaufnahmen, medizinische Bildgebungs-KI, Parasiten­erkennung, Diagnose von Infektionskrankheiten