Pictures of the Future Herbst 2008
Früherkennung in der Medizin – Interview
Mit Licht Krebszellen nachweisen
Interview mit John V. Frangioni
Der Mediziner und Radiologe Prof. Dr. Dr. John V. Frangioni (44) arbeitet am Beth Israel Deaconess Medical Center und an der Harvard Medical School in Boston. Im Rahmen seiner akademischen Ausbildung absolvierte er unter anderem am Harvard College den Studiengang Engineering Sciences. Frangioni ist Mitbegründer des BIDMC Center for Molecular Imaging und der Longwood Small Animal Imaging Facility. Schwerpunkt der Arbeit seines Labors ist die Lösung diagnostischer Probleme durch modernste technische und chemische Methoden.
Woher weiß ein Chirurg bei der Operation eines Tumors, welche Lymphknoten entfernt werden müssen?
Frangioni: Lymphknoten sind quasi die erste Verteidigungslinie des Körpers und damit der wahrscheinlichste Ort für die Ansiedlung metastasierender Krebszellen. Das Problem ist, dass wir bisher nicht wissen, welche Lymphknoten am stärksten gefährdet sind. Deshalb entscheiden sich Chirurgen häufig dafür, alle potenziell betroffenen Knoten zu entfernen. Beispiel Brustkrebs: In der Achselhöhle einer Frau befinden sich etwa 30 Lymphknoten. Ideal wäre es, wenn der Chirurg vor dem Entfernen des Primärtumors wüsste, an welche dieser Knoten der Tumor direkt Flüssigkeit abgibt. Wenn es gelingt, diese so genannten Sentinel-Knoten, von denen meist zwei bis drei je Tumor befallen werden, zu identifizieren, kann die Schwere des chirurgischen Eingriffs erheblich verringert werden.
Ist das machbar?
Frangioni: Ja. Wir haben dafür das FLARE-Verfahren entwickelt, die Fluorescence-Assisted Resection and Exploration. Zunächst wird eine fluoreszierende Substanz an Humanalbumin gebunden. Dabei entsteht ein Molekül von exakt der richtigen Größe, um von den Lymphknoten gefangen zu werden. Wird es in die Nähe des Tumors injiziert, strömt es zu den Sentinel-Lymphknoten und reichert sich dort an. Innerhalb von Sekunden leuchten diese Knoten auf einem Monitor auf und sind so vom Chirurgen optimal zu erkennen. Um sie sichtbar zu machen, braucht man mehrere Kameras: eine Farbkamera, die den Operationsbereich abdeckt, und eine Kamera für Nah-Infrarot-Aufnahmen, auf denen nur die fluoreszierenden Moleküle zu erkennen sind. Für noch anspruchsvollere Aufgaben gibt es schließlich eine weitere IR-Kamera.
Welchen Anteil hat Siemens an dieser Entwicklung?
Frangioni: Um diese Technologie im Klinikalltag nutzen zu können, müssen die Bilder in Echtzeit perfekt aufeinander abgestimmt werden. Dazu dient die von Siemens entwickelte Software. Das Erfassen und Zusammenführen der Bilder von drei separaten Kameras in Echtzeit ist ein technologischer Kraftakt. Aus klinischer Sicht eröffnet dieses Verfahren jedenfalls gewaltige Möglichkeiten. Beispielsweise könnte man damit auch die elektrische Aktivität des Herzens in Echtzeit verfolgen.
Wie sehen Ihre ersten Ergebnisse aus?
Frangioni: Aufgrund unserer Tierversuche glauben wir, dass wir mit FLARE die Geschwindigkeit und Präzision vieler chirurgischer Verfahren deutlich erhöhen können. Doch das muss in klinischen Studien erst noch belegt werden.
Ihr Labor hat auch ein automatisiertes Mikroskop entwickelt?
Frangioni: Potenziell kanzeröse Gewebe werden nach der Resektion an die Pathologie gesandt, doch manchmal sind nur tief im Inneren einige Krebszellen verborgen. Mit der heutigen Färbetechnik hat man keine Chance, sie nachzuweisen. Unsere neue Methode nutzt verschiedene Infrarotkanäle, mit denen man Krebszellen identifizieren kann – etwa anhand der Wellenlängendifferenzen, die anormale Sauerstoff- und Wasserkonzentrationen verursachen. Durch Kombination der mit unsichtbarem IR-Licht und der mit sichtbarem Licht gemachten Aufnahmen erhalten wir völlig neue Informationen. So können wir etwa die einzelnen Krebszellen in ihrem anatomischen Kontext sehen. Das Gerät kann fünf Mikrometer dünne Schnitte eines Lymphknotens oder einer Prostata analysieren. Die mikroskopischen Einzelaufnahmen werden zu einem virtuellen makroskopischen 3D-Objekt zusammengestellt, das der Pathologe in Ein-Mikrometer-Schritten vergrößern oder verkleinern kann. Das ergibt wesentlich genauere Arztberichte als bislang, was die Behandlung effektiver macht.
Lernt das System, die Muster zu erkennen, die typisch für Krebszellen sind?
Frangioni: Das ist unser Ziel. Ein von Siemens entwickelter Lernalgorithmus könnte zu einer leistungsstarken diagnostischen Entscheidungshilfe für Pathologen weiterentwickelt werden. Dabei sind die durch das übliche Färbeverfahren ermittelten Informationen wie auf einer Google-Landkarte dargestellt. Zellnester werden als potenziell krebserkrankte Bereiche hervorgehoben. Das ermöglicht eine frühzeitige Erkennung und eine bessere Behandlung. Und mit unseren Erkenntnissen könnten wir auch die Magnetresonanz-Tomographie (MRT) voranbringen. Derzeit können wir Krebszellen in der Histopathologie erkennen. Als nächstes wollen wir eine Korrelation zwischen diesen Informationen und den korrespondierenden MRT-Daten herstellen. Dann wissen wir, wie Krebszellen in MRT-Aufnahmen aussehen – und damit könnte es schon bald möglich werden, Krebs frühzeitig allein mit MRT zu erkennen.
Das Interview führte Arthur F. Pease