Glioblastome stellen die häufigste und zugleich aggressivste Form primärer Tumoren des zentralen Nervensystems dar. Selbst unter Anwendung der etablierten Therapieoptionen ist die Prognose sehr beschränkt. Aktuelle Behandlungsstrategien zielen zunehmend auf die gezielte Hemmung von Signalwegen in Tumoren ab. Entscheidend für die Administration ist die histopathologische Erhebung eines sogenannten H-Scores an immunhistochemisch gefärbten Tumorschnitten zum Nachweis einer Phosphorylierung des Schlüsselproteins mTOR. Diese manuelle Auswertung ist äußerst zeitintensiv, da sie die Betrachtung des gesamten Schnittes und eine Einschätzung jeder einzelnen Tumorzelle erfordert. Zudem existieren bislang keine standardisierten Grenzwerte zur Interpretation mTOR-spezifischer Färbungen, was zu erheblichen subjektiven Unterschieden in der Bewertung führt. In der Folge resultieren unscharfe H-Scores ohne klar definierte Schwellenwerte für die Therapieentscheidung, was wiederum therapeutische Konsequenzen beeinträchtigen kann. Aus diesen Gründen soll ein KI-gestütztes Bildanalyse-Verfahren für die mTOR-Befundung erstellt werden. Ein solches würde es erlauben klare Grenzwerte zu ermitteln, eine Reduktion von subjektiven Bewertungsfehlern bewirken, eine Entlastung der Pathologinnen und Pathologen durch Automatisierung gewährleisten und die Entwicklung eines verbesserten, prädiktiven Scoring-Systems auf Basis einer zellgenauen Analyse ermöglichen.