Quantitative metabolische MR-Biomarker-Bildgebung bei 7T mittels End-to-End-Optimierung und -Inferenz auf Basis biophysikalischer Modelle

• Antragsteller: Professor Dr. Moritz Zaiss
• Fachliche Zuordnung: Medizinische Physik, Biomedizinische Technik
• Förderung: Förderung seit 2025
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 559955894

Veränderungen des intrazellulären pH-Werts sowie der Protein-, Lipid- und Metabolitkonzentrationen liegen einer Vielzahl von Krankheiten, einschließlich Krebs, zugrunde. Gleichzeitig zeigen sich pathologiebedingte Effekte auf molekularer Ebene lange bevor sich strukturelle Veränderungen manifestieren oder sich die Reaktion auf Therapeutika widerspiegeln können. Die derzeit eingesetzten In-vivo-Molekularbildgebungstechniken erfordern jedoch entweder den Einsatz eines radioaktiven/metallbasierten Kontrastmittels, langwierige Aufnahmen oder bieten nur begrenzte Empfindlichkeit/Auflösung. Seit der Zulassung im Jahr 2017 eröffnete die 7T-MRT neue Möglichkeiten für die Molekularbildgebung basierend auf dem Chemical-Exchange-Saturation-Transfer-(CEST)-Effekt. Bei 7T sind das Signal-Rausch-Verhältnis und die spektrale Selektivität drastisch verbessert, was eine bessere Trennung von Signalen und die Erkennung von bei niedrigeren Feldstärken unsichtbaren Metaboliten ermöglicht. Die Hochfeld-MRT stellt jedoch auch Herausforderungen dar: erhöhte Energiedeposition muss gemeistert werden, und Artefakte durch Feldinhomogenitäten können eine genaue Modellierung der Signale einschränken. Zudem stellten die kontrastgewichtete Natur der traditionellen CEST-Bildgebung, ihre lange Aufnahmezeit und damit verbundene Artefakte Hindernisse für die Anwendung der CEST-MRT für klinische Studien dar. Das zentrale Ziel dieses Projekts ist die autonome Entwicklung einer transformativen Ultrahochfeld-CEST-MRT-basierten Technologie für eine spezifische, quantitative und schnelle Multi-Metabolit-Krebsbildgebung. Unsere Hypothese ist, dass die synergetische Integration von biophysikalischen Modellen (die die Auswirkungen verschiedener Metaboliten und Proteine auf das molekulare 7T-MRT-Signal erklären) und Bildgebungsprozessmodellen mit einer neuartigen maschinellen Lerntechnik zur Optimierung der gesamten Kontrastvorbereitungs- und Bildkodierungspipeline eine genaue Charakterisierung des Gewebezustands ermöglichen wird. Wir werden drei biophysikalisch-informierte Technologien (MRzero, AutoCEST und CEST MRF) nutzen, die kürzlich in Deutschland (Zaiss Lab, Universität Erlangen) und im Nahen Osten (Perlman Lab, Universität Tel Aviv, Israel) eingeführt wurden. Die komplementäre Expertise unserer beiden Labore bildet hierbei eine solide Grundlage. Zu Anfang, werden wir die End-to-End-Methode für die Entdeckung schneller 3D-Multi-Metabolit-7T-Bildgebungsprotokolle etablieren. Dann werden die Genauigkeit und Reproduzierbarkeit der Methode in einer Multi-Center-Test-Retest-Studie validiert. Schließlich wird die Methode verwendet, um die pH- und Multi-Metabolit-Dynamik bei Hirntumorpatienten zu bestimmen. Die optimierte Bildgebungstechnik wird ein wertvolles Instrument darstellen, um neue Erkenntnisse über die molekularen Mechanismen, die Hirntumoren zugrunde liegen, zu gewinnen, und wird letztendlich für eine Vielzahl zusätzlicher In-vivo-Molekularbildgebungsaufgaben erweiterbar sein.

• DFG-Verfahren: Sachbeihilfen
• Internationaler Bezug: Israel
• ausländischer Mitantragsteller: Or Perlman, Ph.D.