Francesca Catto und Robert Axelrod besprechen eine Gewebeprobe. (Bild: ETH Zürich / Daniel Winkler)

Bessere Krebsdiagnose dank digitalen 3D-Bildern

Wie führt man ein seit 100 Jahren bestehendes Diagnoseverfahren ins digitale Zeitalter? Zwei Forschende der ETH und Universität Zürich entwickeln eine Roboterplattform, die dank schneller Quantifizierung von Gewebeproben in ihrer Gesamtheit eine genauere Diagnose von Krebszellen ermöglicht.

Es begann alles mit einer harmlosen Frage zu Beginn der Doktorarbeit von Francesca Catto: Wäre es nicht schön, wenn man Gewebeproben einfärben und als 3D-​Bild digital darstellen könnte? Denn in der Histologie, einem Teilgebiet der Pathologie, das sich mit Gewebeveränderungen beschäftigt, wird seit über 100 Jahren analog gearbeitet: Gewebeproben schneidet man in mikrometerdünne Scheiben (etwa siebenmal dünner als ein menschliches Haar) und untersucht sie unter dem Mikroskop auf krankhafte Veränderungen. Diese Technik führt dazu, dass jeder sechste Mensch eine Fehldiagnose erhält und Krebszellen unentdeckt bleiben.

Catto, die ihre Doktorarbeit in Neurowissenschaften bei Professor Adriano Aguzzi an der Universität Zürich gemacht hat, beschreibt die Anfänge als schwierig: «Zu Beginn haben wir unterschiedliche Ansätze ausprobiert, aber nichts hat funktioniert. Es war ein Albtraum. Zum Glück haben wir schliesslich mit den Gruppen von Professor Mirko Meboldt und Professor Alexander Mathys zusammengearbeitet. Aus dieser Zusammenarbeit ging ein erfolgreicher Ansatz hervor. So kam Robert Axelrod, der an der ETH Zürich im Bereich der Verarbeitungstechnologien promoviert hat, zum Projekt.

Wenn während der Hirnentwicklung die Zusammensetzung der verschiedenen Nervenzelltypen aus dem Gleichgewicht gerät, kann das zu Autismus führen (Symbolbild).

Ein menschliches Modell für Autismus

Michal Rawlik (links), Erstautor der Veröffentlichung, und Marco Stampanoni hoffen, die Brustkrebsdiagnostik mit dem neuen Verfahren entscheidend verbessern zu können.

Brustkrebs mit 3D-Röntgen früher erkennen

Pulmonalen Hypertonie bei Frühgeborenen ist schwierig zu erkennen. Ein neues Computermodell kann zuverlässig bei der Diagnose helfen. (Bild: Adobe Stock)

Künstliche Intelligenz erkennt Herzfehler bei Neugeborenen

Zelle mit komplett künstlich hergestellterDNA in Betrieb genommen

Angriff auf den Hirntumor

Automatisierte Analyse des Tierverhaltens