Laser erkennt Krebsgewebe
Die wichtigste Methode, um Krebs im Frühstadium zu beseitigen, ist das Herausschneiden. Um zu gewährleisten, dass der Tumor vollständig entfernt wurde, muss rings um das befallene Gewebe eine minimale Hülle gesunden Gewebes mitentfernt werden. Ein zu kleiner Sicherheitsabstand kann zu Rezidiven führen, während ein zu großer die Funktion des betroffenen Organs einschränken kann.
Um zu entscheiden, ob das bösartige Gewebe vollständig entfernt wurde, wird häufig eine Schnellschnittuntersuchung durchgeführt, bei der ein Laborarzt das entnommene Gewebe noch während der laufenden Operation untersucht. Dabei kann er feststellen, ob bei der Entnahme der richtige Sicherheitsabstand eingehalten wurde. Vom Ergebnis dieses zeitaufwendigen Prozesses hängt das weitere Vorgehen der Operation ab. Wünschenswert wäre darum eine alternative oder ergänzende Technik, mit der die Art des operierten Gewebes schnell und präzise bestimmt werden kann, um die Operationszeit zu verringern und die Belastung des Patienten zu reduzieren.
Genauigkeit bei Leber- und Brustkrebsproben lag über 95 Prozent
Hier setzen die Arbeiten der Kassler Forscherinnen und Forscher an. An Leberkrebs- und Brustkrebsproben aus dem Archiv des Instituts für Pathologie Nordhessen erzielten sie mit einem Laserverfahren eine Genauigkeit in der Unterscheidung von gesundem zu krankem Gewebe von 95 bis nahezu 100 Prozent. Dazu werden ultrakurze Laserblitze von einigen billiardstel Sekunden Dauer auf das Gewebe geschickt, wobei ein geringer Abtrag des Gewebes stattfindet. Dabei entsteht Licht, das die chemische Zusammensetzung des Gewebes anzeigt.
Dieses Verfahren wurde am Nanostrukturzentrum der Universität Kassel vor zwanzig Jahren erstmals an pflanzlichem Gewebe gezeigt und nun auf diese Fragestellung angewendet. Zur Unterscheidung zwischen gesundem und krankem Gewebe verwendeten die WissenschaftlerInnen Auswertungsmethoden, die auf maschinellem Lernen beruhen. Entwickelt wurde das neue Verfahren von den Kasseler ExperimentalphysikerInnen.
Sarpe C, Ciobotea ER, Morscher CBet al., Identification of tumor tissue in thin pathological samples via femtosecond laser-induced breakdown spectroscopy and machine learning. Sci Rep. 2023 Jun 8;13(1):9250. doi: 10.1038/s41598-023-36155-8. PMID: 37291175; PMCID: PMC10250396.