Bildnachweis: Pexels, VentureCapital Magazin.
Bayern Kapital beteiligt sich an hema.to (München), einem Anbieter von KI-gestützter Zytometrie zur klinischen Entscheidungsunterstützung bei Blutkrebserkrankungen. Weiterhin beteiligen sich LUMO Labs, Cross Atlantic Angels sowie mehrere bestehende Investoren, wie Elaia, Heal Capital, High-Tech Gründerfonds (HTGF) und Becker Ventures. Das Unternehmen plant mit den Mitteln aus der Finanzierungsrunde die Weiterentwicklung seiner Lösung und die Vorantreibung des Markteintritts.
Die Diagnose von Blutkrebs und anderen Immunerkrankungen ist ein umfangreicher und zeitaufwändiger Prozess. Experten in klinischen Laboren werten dafür manuell Blutdaten von Patienten aus – die sogenannte Zytometrie, ein hochkomplexer Vorgang, der pro Blutprobe durchschnittlich 20 Minuten in Anspruch nimmt. Steigende Arbeitsbelastung und ein zunehmender Mangel an qualifiziertem Laborpersonal sorgen währenddessen für Druck, zusätzlich zum Risiko von verzögerten oder Fehldiagnosen.
Hier setzt das Team von hema.to an, das es sich zum Ziel gesetzt hat, die Analyse von Blutproben zu automatisieren, klinische Labore bei der Bewältigung ihrer Fallzahlen zu unterstützen – und so gleichzeitig schnellere, präzisere und frühere Diagnosen für Patienten zu ermöglichen. Dafür hat hema.to eine cloudbasierte, KI-gestützte Analyseplattform entwickelt, die Zytometrie-Rohdaten in Sekunden analysiert und Krankheitsmuster erkennt. Die Plattform greift dafür auf eine in ihrer Breite einzigartige Datenbasis zurück und fügt sich nahtlos in die bestehenden Prozesse der Fachärzte und Laboranten ein. „Unser Ziel ist es, KI-gestützte Präzisionsdiagnostik in die Immunmedizin zu bringen, die oftmals überlasteten Mitarbeiter in klinischen Laboren zu entlasten und für jeden Patienten die richtige Behandlung zum richtigen Zeitpunkt zu ermöglichen. Deshalb freuen wir uns, dass wir zahlreiche namhafte Investoren an Bord holen konnten, um mit den Mitteln aus der Finanzierungsrunde die Weiterentwicklung unserer KI-gestützten Diagnostiklösung voranzutreiben und für weitere Krankheitsbilder zu skalieren“, erklärt Karsten Miermans (CEO & Mitgründer, hema.to).
Aktuell kommt die Analyseplattform von hema.to bereits in ersten klinischen Laboren und Krankenhäusern zum Einsatz. In Zukunft sollen die Analysekapazitäten der Lösung neben Blutkrebs noch auf weitere Krankheitsbilder ausgeweitet werden, insbesondere weitere Autoimmunerkrankungen, sowie auf zusätzliche Anwendungsfälle, beispielsweise für klinische Studien und Therapieüberwachung. „Die Arbeitsbelastung und der Druck in klinischen Laboren ist hoch und bei lebensbedrohlichen Krankheiten wie Leukämie oder Lymphonen kann eine frühzeitige und akkurate Diagnose den Unterschied zwischen einem negativen Krankheitsverlauf und einer lebensrettenden, frühzeitigen Intervention ausmachen. Mit der KI-gestützten Analyseplattform von hema.to lässt sich die Analysezeit von Blutdaten auf einen Bruchteil der üblichen, manuellen Zeit reduzieren. Damit entlastet das Unternehmen nicht nur klinische Labore und fördert das Patientenwohl, sondern adressiert auch einen globalen Markt mit einem Volumen von mehreren Milliarden Dollar. Wir sehen deshalb großes Potenzial in der Lösung von hema.to – sowohl in Europa, wo sie bereits in verschiedenen Laboren zum Einsatz kommt, als auch international“, kommentiert Monika Steger (Geschäftsführerin, Bayern Kapital).
„Unsere Investitionen in Digital Health und Medtech sollen die Lebensqualität von Patienten und Fachkräften verbessern und gleichzeitig die steigende Belastung des Gesundheitssystems verringern. Wir freuen uns, hema.to in unserem Portfolio willkommen zu heißen. Ihre KI-gestützte Plattform analysiert Rohdaten aus der Zytometrie in Sekundenschnelle und erkennt mehr Krankheiten als manuelle Auswertungen – bald auch in frühen Stadien. Für Kliniker bedeutet das eine drastische Zeitersparnis. Für Patienten kann es den entscheidenden Unterschied zwischen einer übersehenen Erkrankung und einer lebensrettenden Frühintervention ausmachen“, so Sven Bakkes (Partner, LUMO Labs).
