Die an der Europäischen Sychrotronquelle in Grenoble entwickelte Technologie "Extremely Brilliant Source“ ist die weltweit erste hochenergetische Synchrotronquelle der vierten Generation und aktuell die hellste Röntgenquelle der Welt. Sie liefert Aufnahmen des gesamten menschlichen Körpers mit einer Auflösung von weniger als zwei Mikrometern - eine mehr als hundertfach bessere Auflösung als die herkömmlich klinisch genutzte Computertomografie (CT). Das renommierte Fachjournal Nature Methods hat über das neue Verfahren einen Artikel veröffentlicht. Die Forscherinnen und Froscher sind sicher, dass es die hohe Auflösung der neuen Bilddatensätze zukünftig möglich macht, die dreidimensionale Ausdehnung eines Tumors für die behandelnden Ärztinnen und Ärzte detaillierter abzubilden und im Nachgang einzelnen Tumorregionen einen molekularen Fingerabdruck zuzuordnen. Ein vertieftes, räumliches Verständnis der Gestalt und molekularen Merkmale des Tumors ist besonders für die anschließende Immun- oder Chemotherapie von großer Bedeutung. "Das Verfahren birgt die Möglichkeit, das Beste aus den beiden Fachdisziplinen der Pathologie und der Radiologie zu vereinen“, beschreibt Ackermann seine Hoffnungen.
"Die Auszeichnung mit dem Virchow-Preis freut mich auch deshalb, weil damit nochmal deutlich wird, welche herausragende Rolle die Pathologie und Radiologie für die Früherkennung spielt und damit gemeinsame Innovationen unmittelbar Patientinnen und Patienten auch helfen können", sagt Preisträger Ackermann. Er und das internationale, multidisziplinäre Team u.a. aus Hannover, Leuven, Boston, London dem Deutschen Krebsforschungszentrum (DKFZ) arbeiten nun intensiv an dem Verfahren des sog. "Molecular Radiomics". Dabei geht es darum, aus den neuen hochauflösenden Bildern zu lernen, wie man die bisherigen Aufnahmen gezielter auswerten kann. "Das HiP-CT ist eben nur in Grenoble verfügbar und nicht in jedem Krankenhaus. Wir wollen also mit künstlicher Intelligenz und Deep Learning die Beurteilung der allgemein verfügbaren CT- und MRT-Bilder verbessern. Aber was müssen wir der künstlichen Intelligenz beibringen, damit sie das leisten kann? Das ist unsere derzeitige Arbeit“, erklärt Ackermann sein Forschungsprojekt. Die Forschenden nutzen dabei hochaufgelöste Bilder von nachgewiesenen Krebstumoren, um deren Strukturen auch in den weniger aufgelösten "normalen“ CT-Bildern erkennen zu lernen. "In den Bildern des HiP-CT können wir auch Krebsvorstufen und ganz frühe Anzeichen für die Ablagerungen, die Alzheimer auslösen, erkennen. Wenn wir das auf die "normalen“ Bilder quasi übertragen könnten, wäre das ein großer Schritt in der Erkennung und frühzeitigen Behandlung“, beschreibt Ackermann seine Hoffnungen für die Zukunft.
MEDICA.de; Quelle: Universität Witten/Herdecke
