Die Eidgenössische Technische Hochschule Lausanne (EPFL) hat am 28. Oktober 2026 spora vorgestellt, einen frei zugänglichen Atlas von Gewebedaten, der für die KI-Forschung zu Krebs konzipiert ist. Laut der EPFL vereint die Sammlung 13'546 Gewebebilder von 5477 Patientinnen und Patienten. Sie soll dazu dienen, Modelle der künstlichen Intelligenz (KI) zu trainieren und zu vergleichen. An diesem Projekt der Schweizer Forschung sind Spitäler und Universitäten aus Zürich und Genf beteiligt.
Die Hochschule bezeichnet sie als die weltweit grösste frei zugängliche Sammlung von Gewebebildern und molekularen Daten. Es handelt sich um ihre eigene Einschätzung: Die Medienmitteilung vergleicht sie mit keiner anderen Datenbank. Beschrieben werden die Arbeiten in einem wissenschaftlichen Artikel, unter anderem von Benedikt von Querfurth und Charlotte Bunne verfasst, der an der Konferenz Neural Information Processing Systems (NeurIPS) 2026 aufgeführt ist.
Wozu dient spora für KI-Modelle?
Ein zentraler Verwendungszweck ist es, Modelle ausserhalb ihrer ursprünglichen Studie zu evaluieren. Neben den Daten liefert spora laut der Medienmitteilung der EPFL Werkzeuge, um auf sie zuzugreifen, sie zu analysieren, KI-Modelle zu entwickeln und deren Leistung über mehrere Studien hinweg zu messen.
Das Team geht von einer bekannten Grenze der medizinischen KI aus. «Ein Modell kann in einer bestimmten Studie hervorragende Ergebnisse erzielen und dennoch auf Schwierigkeiten stossen, sobald sich die Patientinnen, Patienten, Labors oder Messtechnologien ändern», erklärt Lukas Klein, Postdoktorand an der EPFL und am Universitätsspital Zürich. Das Teilen von Datensätzen und Evaluationsprotokollen soll es ermöglichen, diese Abweichungen systematisch zu untersuchen.
Der Atlas bewahrt auch die Spur seiner Herkunft. Jeder Datensatz bleibt mit seiner ursprünglichen Studie und seinen Annotationen verknüpft. Unterschiede bei den gemessenen Proteinen, den Bildgebungsbedingungen oder den klinischen Angaben bleiben sichtbar. So kann eine Forscherin oder ein Forscher die Daten auswählen, die zur eigenen Fragestellung passen.
Kennzahlen des Atlas spora
- 13'546 Multiplex-Bilder;
- 5477 Patientinnen und Patienten;
- 14 Gewebetypen;
- fünf Bildgebungstechnologien, darunter die Massenzytometrie;
- zwei Jahre Arbeit, um die Sammlung aufzubauen.
Wo vorhanden, sind Histopathologie-Bilder beigefügt. Es sind die Bilder, mit denen die klinische Pathologie arbeitet. Die Verbindung zwischen molekularen Messungen und klinischen Bildern bleibt damit erhalten.
Warum das Zusammentragen dieser Daten zwei Jahre dauerte
Daten der räumlichen Proteomik lassen sich von Labor zu Labor nur schlecht kombinieren. Diese Technik misst Dutzende Proteine in einem Gewebe, ohne deren Position zu verlieren. Sie zeigt, wie Krebszellen und benachbarte Immunzellen angeordnet sind und miteinander interagieren.
Jedes Labor verwendet jedoch eigene Geräte, eigene Zielproteine und eigene Dateiformate. Für spora haben die Forschenden Tausende Bilder sortiert, die Annotationen der Proteine vereinheitlicht, die medizinischen Daten abgeglichen und einzelne Zellen identifiziert. «Das Sammeln und Harmonisieren der Daten über verschiedene Kohorten hinweg nimmt beträchtlich Zeit in Anspruch», fasst Benedikt von Querfurth zusammen, Doktorand an der EPFL und Erstautor der Studie. Ihm zufolge ist das ein grosses Hindernis sowohl für KI in grossem Massstab als auch für die Biologie.
Ein Projekt der Schweizer Forschung zu KI für die Gesundheit
Das Projekt vereint mehrere Schweizer Institutionen und einen europäischen Partner. Das Team von Charlotte Bunne arbeitet in der Gruppe Künstliche Intelligenz in der molekularen Medizin der EPFL, die den Fakultäten Life Sciences sowie Informatik und Kommunikation angegliedert ist. Es hat mit dem Europäischen Bioinformatik-Institut des Europäischen Laboratoriums für Molekularbiologie (EMBL-EBI) zusammengearbeitet. Beteiligt waren Fachleute des Universitätsspitals Zürich, der Universität Zürich, der Universitätsspitäler Genf und der Universität Genf.
Die Finanzierung läuft über zwei nationale Programme. spora wurde im Rahmen der National AI Initiative for Precision Oncology (NAIPO) entwickelt, einer Initiative, die sich der KI in der Präzisionsonkologie widmet. Die dazugehörigen KI-Modelle wurden laut der EPFL mit Rechenressourcen der Swiss AI Initiative trainiert.
Letztere ist ein gemeinsames Projekt der beiden Eidgenössischen Technischen Hochschulen. Wie 2clics in seinem Artikel über KI-Fachleute in der Schweiz berichtet hat, haben die ETH Zürich und die EPFL sie lanciert, um die Entwicklung von KI-Technologien im Land zu fördern. Laut der Neuen Zürcher Zeitung (NZZ), aufgegriffen von ICTjournal am 26. Oktober 2026, unterstützt sie auch Apertus, ein offenes KI-Modell. Derselbe NZZ-Artikel schreibt der Schweiz die weltweit höchste Dichte an hochqualifizierten KI-Fachleuten zu.
Die Öffnung der Daten knüpft an eine breitere Debatte an. In unserem Dossier über die Schweizer Robotik im Wettbewerb mit China hielt Jan Kerschgens, Co-Direktor des Swiss Center for Digital Sovereignty, es für sinnvoll, die Anstrengungen bei offenen KI-Modellen fortzusetzen. Das Dossier hielt zudem fest, dass wissenschaftliche Exzellenz keinen industriellen Erfolg garantiert.
Spora und LogSync, zwei aktuelle Arbeiten der EPFL
Die EPFL hat im Oktober 2026 eine weitere Arbeit vorgestellt, die maschinelles Lernen und Gesundheit verbindet: den neuronalen Chip LogSync. Beide Projekte befinden sich im Forschungsstadium.
| spora | LogSync | |
|---|---|---|
| Vorstellung durch die EPFL | 28. Oktober 2026 | 23. Oktober 2026 |
| Art | Atlas von Gewebedaten und Werkzeuge zum Trainieren und Evaluieren von KI-Modellen | Implantierbarer Chip mit einem Algorithmus für maschinelles Lernen |
| Bereich | Vorrangig Krebsforschung | Psychiatrische Erkrankungen |
| Publikation | NeurIPS 2026 | IEEE Journal of Solid-State Circuits |
| Daten | 13'546 Bilder von 5477 Patientinnen und Patienten | Bestehende Aufzeichnungen von Menschen, Versuche an einer Ratte |
| Klinische Anwendung | Nicht angekündigt, langfristiges Ziel | Nicht angekündigt |
Gesichertes Ergebnis, Hypothese oder Perspektive
| Aussage | Status |
|---|---|
| Ein Atlas mit 13'546 Bildern, 14 Gewebetypen und fünf Bildgebungstechnologien | Gesichert, laut der EPFL |
| Werkzeuge, um KI-Modelle über mehrere Studien hinweg zu entwickeln und zu evaluieren | Gesichert, laut der EPFL mit dem Atlas geliefert |
| Die weltweit grösste frei zugängliche Sammlung dieser Art | Aussage der EPFL |
| Modelle, die in einer Studie gut abschneiden, scheitern anderswo oft | Feststellung des Teams, die das Projekt begründet |
| Ausweitung auf andere Gewebe, Krankheiten und Bildgebungstechnologien | Wunsch des Teams |
| Den Krankheitsverlauf besser vorhersagen und für jeden Patienten die Behandlung wählen | Perspektive, laut Charlotte Bunne |
Charlotte Bunne nennt das langfristige Ziel: «die aus Tausenden Gewebeproben gewonnenen Erkenntnisse in Informationen umzuwandeln, die jeder einzelnen Patientin und jedem einzelnen Patienten helfen können». Sie plant, daran mit Klinikerinnen und Klinikern zu arbeiten. Die Medienmitteilung kündigt weder ein Diagnosewerkzeug noch eine klinische Studie an.
Was noch nicht bekannt ist
- Die Zugangsbedingungen: Die Medienmitteilung der EPFL nennt weder die Lizenz der Daten noch die Schritte, um sie zu erhalten.
- Die Leistung der auf spora trainierten KI-Modelle: Sie wird in der Medienmitteilung nicht beziffert.
- Die Herkunft der Proben: Der Anteil der in der Schweiz behandelten Patientinnen und Patienten wird nicht angegeben.
- Der Datenschutz: Die Medienmitteilung legt nicht dar, wie die medizinischen Informationen anonymisiert wurden.
- Der Zeitplan: Für die Ausweitung auf andere Krankheiten oder eine Anwendung bei Patientinnen und Patienten wird kein Datum genannt.
Quellen
- EPFL News, Tanya Petersen, «Un nouvel atlas tissulaire aidera l'IA à comprendre le cancer», 28. Oktober 2026
- B. von Querfurth, C. Bunne et al., «spora: A Unified Multimodal Dataset and Platform for Spatial Proteomics», NeurIPS 2026
