Multiparametrische Bildgebung | Universitätsklinikum Tübingen

Wie kann die multiparametrische Bildgebung weiterentwickelt werden, um eine quantifizierbare Visualisierung funktioneller, molekularer und immunologischer Mechanismen von Tumoren zu erreichen und letztendlich neue therapeutische Ansätze zu entwickeln?

Herangehensweise

Aufbauend auf unserem etablierten PET-Tracer-Entwicklungsprogramm streben wir nun die Entwicklung neuer Bildgebungssonden zur Erkennung von Seneszenz mit erhöhter Sensitivität und Spezifität an, letztlich auch als theranostischer Ansatz. Methoden des Versuchsdesigns (DoE) wurden erfolgreich etabliert und für eine effiziente Tracer-Entwicklung eingesetzt. DoE wird für eine schnelle und flexible Anpassung von iFIT-Tracer-Kandidaten in enger Zusammenarbeit mit den medizinischen Chemie-Gruppen im FIMT-Bereich genutzt werden. Die iFIT-Nanokörper-basierte Immun- und Stoffwechselbildgebungs-Pipeline wird weiterentwickelt und in Synergie mit multiparametrischer und multiskaliger Bildgebung eingesetzt, um aufzuklären, wie sich tumorzellintrinsischer Stress auf die TME und die Antitumor-Immunantworten auswirkt. Das umfassende iFIT-Bildgebungsprogramm nutzt KI, um eine fortschrittliche Bildanalyse zu ermöglichen und letztlich neue therapeutische Ansätze zu leiten. Der Forschungsbereich wird von Christian la Fougère, Bernd Pichler und Bettina Weigelin koordiniert.

Der Forschungsbereich „Molekulare und funktionelle multiparametrische Bildgebung“ (MFMI) ist in vier Forschungsmodule unterteilt:

MFMI-1: Tracer Development and Multiparametric Imaging of Cancer Cell Stress Responses
MFMI-2: Imaging the Cellular and Humoral Immunity
MFMI-3: Machine Learning for Advanced Analysis of Multiparametric Imaging Data
MFMI-4: Methodological Imaging and Data Analysis Platform

MFMI-1

Die Radiopharmaka werden in der Radiopharmazie des Werner Siemens Imaging Centers mit einer Herstellungserlaubnis und unter Einhaltung der "Good Manufacturing Practice" (GMP) hergestellt. Diese Vorschriften garantieren eine strenge Qualitätssicherung bei der Herstellung von Arzneimitteln.

Im Rahmen von MFMI-1 werden wir eine neue Generation von radionuklidbasierten PET-Tracern entwickeln, um Krebsstresszustände und Stressreaktionen bildlich darzustellen. In der nächsten iFIT-Förderperiode wollen wir neue Bibliotheken von selbstzerstörenden β-Galactosidase-Substraten mit verbesserter Pharmakokinetik und Empfindlichkeit synthetisieren und evaluieren. Die neuen Seneszenz-Sonden lassen sich leicht mit Peptiden und anderen pharmakokinetischen Modifikatoren funktionalisieren, um Gewebespezifität und eine bessere Tracerleistung zu ermöglichen. Mit unserem Fachwissen sind wir gut gerüstet, um die komplexen Wechselwirkungen zwischen seneszenten Tumorzellen und dem Immunsystem sowie umgekehrt die Rolle des Immunsystems bei der Modulation der Seneszenz zu entschlüsseln.

MFMI-2

Das Hauptziel der zweiten iFIT-Förderperiode ist die Verbesserung der Integration zwischen systemischer makroskopischer und zellulärer mikroskopischer Immunbildgebung. Die umfassende Immunbildgebungs-Pipeline, einschließlich CAR-T-Zellen, wird weiterentwickelt. Es werden radiochemische Markierungsverfahren der nächsten Generation erforscht, um die quantitative Verfolgung von Immunzellen und die Erkennung von Immunzellnetzwerken in vivo sowohl in Tiermodellen für Krebserkrankungen als auch beim Menschen zu ermöglichen.

Mit Hilfe der Intravitalmikroskopie lässt sich der Erfolg von Krebsimmuntherapien wie der CAR-T-Zelltherapie beurteilen und sogar die Funktion einzelner CAR-T-Zellen im Tumorleben überwachen, um das Design von CAR-T-Zellen weiter zu verbessern.

MFMI-3

Forschung an der Schnittstelle zwischen maschinellem Lernen und Medizin: Mit künstlicher Intelligenz wird unter anderem untersucht, wie medizinische Bilder schneller und besser analysiert werden können.

Unser MFMI-3-Arbeitsprogramm vereint die Kompetenzen von FIMT, ImmT und MFMI, um theranostische Konzepte voranzutreiben, indem es i) neue Theranostika gegen neuartige Zielmoleküle entwickelt und ii) Strategien zur Überwindung von Resistenzmechanismen in Primärtumoren und Metastasen mithilfe von Kombinationstherapien erforscht.

MFMI-4

Ein erfolgreiches Bildgebungswissenschaftsprogramm basiert auf innovativen, hochmodernen Hardware-Infrastrukturen, Software-Tools sowie fortschrittlichen Bildgebungs- und Datenanalyse-Workflows. In der nächsten Förderperiode werden wir einen Schritt weiter gehen und die UT CODEX-Plattform von Christian Schürch im Imaging Science Center implementieren, um iFIT-Projekte optimal zu unterstützen und mikroskopische und makroskopische molekulare und funktionelle Informationen bereitzustellen. iFIT stellt alle Hardware-Bildgebungssysteme und Analysewerkzeuge zur Verfügung, was zu einer gigantischen Datenmenge unterschiedlicher Herkunft, Größe und Formate führt. Um wesentliche Informationen aus der miteinander verbundenen multimodalen In-vivo- und Ex-vivo-Bildgebung zu gewinnen, werden fortschrittliche Data-Mining- und Analyseverfahren, maschinelles Lernen und künstliche Intelligenz eingesetzt.