27.04.2023

Neue KI kann frühe Anzeichen von Krebs Jahre vor einem CT-Scan erkennen

Das Tool Sybil sucht nach Anzeichen dafür, wo Krebs wahrscheinlich auftreten wird. Und ist Wissenschaftler:innen nach einem Scan teilweise um Jahre voraus.
/artikel/neue-ki-kann-fruehe-anzeichen-von-krebs-jahre-vor-einem-ct-scan-erkennen
Sybil, Krebs AI, Cancer AI, Krebs früh erkennen, Lungenkrebs,
(c) Stock.Adobe/samunella- Sybil soll frühzeitig Lungenkrebs aus einem einzigen Scan erkennen können.

Forschende in Boston stehen kurz vor einem großen Fortschritt bei der Lungenkrebsvorsorge: Eine Künstliche Intelligenz namens Sybil kann, so heißt es, frühe Anzeichen der Krankheit erkennen, Jahre bevor Ärzte sie auf einem CT-Scan finden würden.

Sybil betrachtet Scan auf andere Weise

Das neue KI-Tool wurde, einem Bericht von NBC folgend, von Wissenschaftlern des „Mass General Cancer Center“ und des „Massachusetts Institute of Technology“ (MIT) in Cambridge entwickelt. In einer Studie wurde gezeigt, dass es in 86 bis 94 Prozent der Fälle genau vorhersagen kann, ob eine Person im nächsten Jahr an Lungenkrebs erkranken wird.

Das „Center for Disease Control and Prevention“ in den USA empfiehlt aktuell, dass Erwachsene mit Lungenkrebsrisiko jährlich eine niedrig dosierte CT-Untersuchung zur Früherkennung durchführen lassen. Doch selbst bei einem regelmäßigen Screening könne es passieren, dass das geschulte Auge von Radiologen nicht alles erkennt. Hier kommt Sybil ins Spiel.

„Das bloße Auge kann nicht alles sehen“, wird Lecia Sequist, Onkologin und Programmleiterin der Klinik für Krebsfrüherkennung und -diagnostik am Massachusetts General Hospital bei NBC zitiert. „Die KI, die wir entwickelt haben, betrachtet den Scan auf eine völlig andere Weise als ein menschlicher Radiologe.“

Noch keine Zulassung

Das Problem dabei: Sybil ist noch nicht von der „Food and Drug Administration“ (FDA) für den Einsatz außerhalb klinischer Studien zugelassen.

Bisher sind über 300 KI-Tools für den radiologischen Einsatz erlaubt. Die meisten davon als Unterstützung bei der Diagnose und Behandlung von Krebs, nicht aber zur Vorhersage des künftigen Krebsrisikos einer Person.

Wachstum, Muster und Störungen

So funktioniert Sybil: Das KI-Tool sucht konkret nach Anzeichen dafür, wo Krebs wahrscheinlich auftauchen wird, sodass Ärzte wissen, wo sie suchen müssen, um ihn dann so früh wie möglich zu erkennen.

Um das Krebsrisiko vorherzusagen, stütze sich die Künstliche Intelligenz dabei auf einen einzigen CT-Scan. Es analysiert das dreidimensionale Bild und sucht nicht nur nach Anzeichen für abnormales Wachstum in der Lunge, sondern auch nach anderen Mustern oder Störungen, die Wissenschaftler noch nicht vollständig verstehen, erklärte Florian Fintelmann, Radiologe am „Mass General Cancer Center“ und einer der Forscher, die an Sybil arbeiten.

Basierend auf dem, was sie sieht, trifft die KI Vorhersagen darüber, ob eine Person in den nächsten ein bis sechs Jahren Lungenkrebs entwickeln wird. Es hätte bereits Fälle gegeben, in denen sie Anzeichen von Krebs erkannt habe, die erst Jahre später auf einem CT-Scan entdeckt worden wären.

Sybil und das Datenproblem

Allerdings gibt es noch Geburtsschwierigkeiten bei den Prognosen. Die Wissenschaftler:innen, die Sybil entwickelt haben, haben eingeräumt, dass die Daten, die zur Entwicklung des KI-Tools verwendet wurden, „noch nicht genügend afroamerikanische oder hispanische Patienten umfassen, um auf eine breite Anwendbarkeit vertrauen zu können.“

Die FDA selbst hat bereits im Vorjahr einen Schritt unternommen, um dieses Problem anzugehen: Die Organisation wird künftig von Forschern und Unternehmen, die eine Zulassung für medizinische Produkte beantragen, die Vorlage eines Plans verlangen, der auch die Vielfalt in klinischen Studien sicherstellt.

Weiters gibt es noch Bedenken wegen Überdiagnosen. Ärzte könnten Patienten einer möglicherweise unnötigen Biopsie für einen Knoten unterziehen, der sich als gutartig herausstellt, so die Sorge.

Deine ungelesenen Artikel:
21.10.2026

Grazer Deep-Tech-Spin-off DiLT Analytics schließt siebenstellige Finanzierungsrunde ab

Das Grazer TU-Spinoff holt den Deep-Tech-Fonds Noctua Science Ventures als Investor an Bord und erhält zusätzlich eine Förderung aus dem Programm aws Seedfinancing – Deep Tech. Das Kapital soll in den Teamaufbau und in den Rollout der Diagnosesoftware FaciliMind fließen.
/artikel/grazer-deep-tech-spin-off-dilt-analytics-schliesst-siebenstellige-finanzierungsrunde-ab
21.10.2026

Grazer Deep-Tech-Spin-off DiLT Analytics schließt siebenstellige Finanzierungsrunde ab

Das Grazer TU-Spinoff holt den Deep-Tech-Fonds Noctua Science Ventures als Investor an Bord und erhält zusätzlich eine Förderung aus dem Programm aws Seedfinancing – Deep Tech. Das Kapital soll in den Teamaufbau und in den Rollout der Diagnosesoftware FaciliMind fließen.
/artikel/grazer-deep-tech-spin-off-dilt-analytics-schliesst-siebenstellige-finanzierungsrunde-ab
DiLT Analytics
© DiLT Analytics

DiLT Analytics hat eine siebenstellige Finanzierungsrunde abgeschlossen. Sie setzt sich aus einem Equity-Investment von Noctua Science Ventures und einer Förderung der Austria Wirtschaftsservice (aws) im Rahmen des Programms Seedfinancing – Deep Tech zusammen. Mit dem Geld möchte das 2021 gegründete Spinoff der TU Graz sein Team ausbauen und FaciliMind, seine Software zur automatisierten Fehlerdiagnose in Heizungs-, Lüftungs- und Klimaanlagen, zu weiteren Betreibern großer Gebäudeportfolios bringen

DiLT Analytics: „Substanziell wachsen“

Noctua Science Ventures ist ein Wiener Deep-Tech-Fonds und ein Joint Venture von Speedinvest und den Technischen Universitäten Österreichs. Der Fonds investiert gezielt in Ausgründungen, deren Produkt auf langjähriger Forschung beruht.

„Die aws-Förderung ergänzt das Investment und ist auf genau diese Phase zugeschnitten: den Schritt von einer erprobten Technologie zu einem Produkt, das sich über viele Standorte hinweg ausrollen lässt“, heißt es per Aussendung. Um im Sinne des Programms aws Seedfinancing – Deep Tech als Deep Tech zu gelten, muss das Vorhaben auf einer „anspruchsvollen technologischen und wissenschaftlichen Herausforderung“ basieren und einen klaren Technologiesprung gegenüber bestehenden Lösungen oder rein inkrementellen Weiterentwicklungen ermöglichen.

„Mit Noctua Science Ventures haben wir einen Partner gefunden, der beides kennt: die technischen Herausforderungen eines Deep-Tech-Produkts und den Weg in die Kommerzialisierung. Für ein junges Spinoff ist das der Best Case. Dass parallel auch die aws-Förderung zugesagt wurde, bestätigt uns, dass FaciliMind und unser Team auf dem richtigen Weg sind. Jetzt geht es darum, substanziell zu wachsen“, sagt Theresa Kohl, CEO von DiLT Analytics.

Philipp Stangl, Managing Director von Noctua Science Ventures, ergänzt: „Von unseren vielen Gesprächspartnern erhielten wir ein sehr einheitliches Bild zu DiLT: ein glaubwürdiger, technisch differenzierter Ansatz, umgesetzt von einem Team, mit dem Immobilienprofis gerne zusammenarbeiten. Genau diese Kombination aus Forschungsvorsprung und starker Kundenorientierung ist es, wonach wir in der Pre-Seed-Phase suchen.“

2021 gegründet

DiLT Analytics wurde Ende 2021 von Franz Wotawa und Gerald Schweiger als Spinoff des Instituts für Softwaretechnologie der TU Graz gegründet und ging aus der Forschungsgruppe „Intelligent Systems“ hervor. Erstes größeres Projekt war „Inframonitor“, eine herstellerunabhängige IoT-Datenplattform für den Campus Inffeldgasse der TU Graz.

Seither ist DiLT an mehr als 20 Forschungsprojekten mit über 15 Partnern beteiligt, einige davon FFG-gefördert und gemeinsam mit österreichischen und europäischen Universitäten. Die Ergebnisse fließen über den Forschungszweig DiLT Research direkt in die Produktentwicklung. Geführt wird das Unternehmen heute von Theresa Kohl (CEO), Christopher Gray (Business Development & Strategy), Thomas Hirsch (CTO), Reinhard Pertschy (CPO) und Thomas Schwengler (Head of Software).

Die entwickelte Software FaciliMind analysiert Betriebsdaten von Heizungs-, Lüftungs- und Klimaanlagen, erkennt dabei versteckte Fehler und Optimierungspotenziale und liefert Technikteams eine nach Dringlichkeit sortierte Maßnahmenliste, so der Claim. Die Software von DiLT Analytics arbeitet herstellerunabhängig und lässt sich über ein einzelnes Gerät an die bestehende Gebäudeleittechnik anbinden. Dank eines knowledgegraphbasierten Softwarestacks soll sie das digitale Abbild komplexer Anlagen weitgehend automatisiert innerhalb weniger Tage statt monatelanger Handarbeit erstellen können. Zielgruppe sind Betreiber großer Gebäudeportfolios, etwa in der öffentlichen Hand, an Flughäfen sowie in Industrie und Gesundheitswesen.

DiLT Analytics erhielt Preise

Zu den Kunden zählen u.a. die Technischen Universitäten Graz und Wien, Bundesimmobiliengesellschaft (BIG), IG Immobilien Management GmbH und Industriekunden. 2025 wurde DiLT Analytics mit dem DREA Award und dem ÖGUT Umweltpreis ausgezeichnet. Und ist seit September 2026 nach ISO 27001 zertifiziert.

„Wissen über Anlagenbetrieb soll im Unternehmen bleiben“

Neben der Verstärkung des Teams und dem geplanten Rollout möchte DiLT Analytics künftig ein Übersetzungswerkzeug für den BACtwin-Standard als Open Source veröffentlichen und die Diagnose künftig auf weitere Technologien wie Wärmepumpen, Photovoltaik und Batteriespeicher ausweiten

„Ein Gebäudeportfolio überdauert seine Dienstleister und oft auch seine erfahrensten Mitarbeitenden“, sagt Kohl. „Unser Ziel ist, dass das Wissen über den Anlagenbetrieb im Unternehmen bleibt und dass Entscheidungen auf verifizierter Datengrundlage statt auf Bauchgefühl und Erinnerung beruhen.“

Toll dass du so interessiert bist!
Hinterlasse uns bitte ein Feedback über den Button am linken Bildschirmrand.
Und klicke hier um die ganze Welt von der brutkasten zu entdecken.

brutkasten Newsletter

Aktuelle Nachrichten zu Startups, den neuesten Innovationen und politischen Entscheidungen zur Digitalisierung direkt in dein Postfach. Wähle aus unserer breiten Palette an Newslettern den passenden für dich.

Montag, Mittwoch und Freitag

AI Summaries

Neue KI kann frühe Anzeichen von Krebs Jahre vor einem CT-Scan erkennen

AI Kontextualisierung

Welche gesellschaftspolitischen Auswirkungen hat der Inhalt dieses Artikels?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Neue KI kann frühe Anzeichen von Krebs Jahre vor einem CT-Scan erkennen

AI Kontextualisierung

Welche wirtschaftlichen Auswirkungen hat der Inhalt dieses Artikels?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Neue KI kann frühe Anzeichen von Krebs Jahre vor einem CT-Scan erkennen

AI Kontextualisierung

Welche Relevanz hat der Inhalt dieses Artikels für mich als Innovationsmanager:in?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Neue KI kann frühe Anzeichen von Krebs Jahre vor einem CT-Scan erkennen

AI Kontextualisierung

Welche Relevanz hat der Inhalt dieses Artikels für mich als Investor:in?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Neue KI kann frühe Anzeichen von Krebs Jahre vor einem CT-Scan erkennen

AI Kontextualisierung

Welche Relevanz hat der Inhalt dieses Artikels für mich als Politiker:in?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Neue KI kann frühe Anzeichen von Krebs Jahre vor einem CT-Scan erkennen

AI Kontextualisierung

Was könnte das Bigger Picture von den Inhalten dieses Artikels sein?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Neue KI kann frühe Anzeichen von Krebs Jahre vor einem CT-Scan erkennen

AI Kontextualisierung

Wer sind die relevantesten Personen in diesem Artikel?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Neue KI kann frühe Anzeichen von Krebs Jahre vor einem CT-Scan erkennen

AI Kontextualisierung

Wer sind die relevantesten Organisationen in diesem Artikel?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Neue KI kann frühe Anzeichen von Krebs Jahre vor einem CT-Scan erkennen