Düsseldorf: Erklärbare KI erkennt Typ-2-Diabetes im Gewebe der Bauchspeicheldrüse

10.03.2026

Typ-2-Diabetes zählt zu den häufigsten chronischen Erkrankungen weltweit. Diagnostiziert wird er zumeist anhand erhöhter Blutglukosewerte. Diese zeigen jedoch vor allem die Folgen der Erkrankung und nicht ihre strukturellen Ursachen. Die zentralen Veränderungen spielen sich in der Bauchspeicheldrüse ab. In den sogenannten Langerhans-Inseln in der Bauchspeicheldrüse produzieren spezialisierte Zellverbände Hormone, die die Blutglukose regulieren. Bisher lag der Fokus der Forschung vor allem auf den Beta-Zellen, deren Funktionsverlust als entscheidender Schritt in der Entstehung von Typ-2-Diabetes gilt.

Ein Forschungsteam des Deutschen Diabetes-Zentrums (DDZ) in Düsseldorf, des Paul Langerhans Instituts von Helmholtz Munich und des Instituts für Diabetesforschung und Metabolische Erkrankungen am Universitätsklinikum Tübingen zeigte nun erstmals: Erklärbare Künstliche Intelligenz kann unterscheiden, welches Gewebe von Menschen mit Typ-2-Diabetes stammt und welche Strukturen dabei eine Rolle spielen. Grundlage ist ein Datensatz aus Dresden und Tübingen.

Unter dem Mikroskop kaum zu erkennen

Auch Alpha-Zellen, die das blutglukosesteigernde Hormon Glukagon produzieren, und Delta-Zellen, die die Ausschüttung von Insulin und Glukagon bremsen, sind Teil des fein abgestimmten Systems. Hinzu kommen Blutgefäße, Bindegewebe, Fettzellen und Nervenfasern, die gemeinsam die Funktion der Inseln beeinflussen. Ob und wie sich dieses komplexe Zusammenspiel bei Typ-2-Diabetes strukturell verändert, ist bislang schwer zu beurteilen. Unter dem Mikroskop sind die Unterschiede innerhalb der Langerhans-Inseln oft kaum zu erkennen, auch weil sich Zellzusammensetzung und -anordnung von Person zu Person stark unterscheiden.

Erklärbare KI zeigt verborgene Veränderungen bei Typ-2-Diabetes

Hier setzt die aktuelle Studie von Forschenden des Deutschen Diabetes-Zentrums (DDZ), des Paul Langerhans Instituts am Universitätsklinikum Dresden, des Instituts für Diabetesforschung und Metabolische Erkrankungen am Universitätsklinikums Tübingen – drei Partnerinstitute des Deutschen Zentrums für Diabetesforschung (DZD) – und weiterer Institute an. Ebenfalls beteiligt waren Forschende des Deutschen Krebsforschungszentrums (DKFZ) und von Helmholtz Imaging. „Mit 100 Proben aus Dresden und Tübingen haben wir einen der bislang umfangreichsten Datensätze aus Gewebeabschnitten der Bauchspeicheldrüse aufgebaut“, erklärt Dr. Felicia Gerst, Wissenschaftlerin am Institut für Diabetesforschung und Metabolische Erkrankungen am Universitätsklinikum Tübingen.

Die Proben stammen von Menschen, die aus unterschiedlichen medizinischen Gründen an der Bauchspeicheldrüse operiert worden waren. Mithilfe maschinellen Lernens wurde ein Modell trainiert, das große, informationsreiche Gewebeschnitte von Menschen mit und ohne Typ-2-Diabetes mit hoher Genauigkeit unterscheiden und den Diabetesstatus vorhersagen kann. Entscheidend dabei: Das System arbeitet erklärbar. Es markiert jene Bildbereiche, die die Entscheidung beeinflussen, sodass diese anschließend biologisch ausgewertet und statistisch geprüft werden können.

Veränderungen beschränken sich nicht auf einzelne Zelltypen

Die Analysen zeigten, dass sich bei Typ-2-Diabetes nicht nur die Betazellen verändern. Auch Alpha- und Delta-Zellen treten in anderer Position und Verteilung auf. Zudem sind die Langerhans-Inseln insgesamt kleiner. Eine weitere wichtige Erkenntnis betrifft Fettzellen in der Bauchspeicheldrüse. Bei Menschen mit Typ-2-Diabetes befinden sich Fettzellen häufiger in direkter Umgebung der Langerhans-Inseln. „Diese Nähe könnte die Funktion der hormonproduzierenden Langerhans-Inseln beeinflussen“, erklärt Professor Robert Wagner. Er ist Leiter der Arbeitsgruppe Klinisches Studienzentrum am Deutschen Diabetes-Zentrum (DDZ). „Die Erkenntnisse liefern uns konkrete Ansatzpunkte für weitere Untersuchungen. Denn wenn wir die strukturellen Krankheitsmechanismen verstehen und wissen, welche Prozesse die Erkrankung antreiben, können wir gezielter neue Therapien entwickeln“, fügt Wagner hinzu, der das Projekt initiiert hatte.

Die Forschenden stellen in ihrer Publikation den vollständigen Code für Bildvorverarbeitung, Modelltraining und erklärende Analysen zur Verfügung. Damit schaffen sie Transparenz und ermöglichen anderen Arbeitsgruppen, die Methode weiterzuentwickeln und auf weitere Fragestellungen anzuwenden.