Schneller Schlau, der Wissenspodcast von PM trifft das Helmholtz-Zentrum Herion. Willkommen bei der Herion Academy, dem Spezial von PM Schneller Schlau. Einmal im Monat nehmen wir euch mit in die Welt der Wissenschaft. Direkt aus dem Helmholtz-Zentrum Herion sprechen wir über bahnbrechende Technologien und Entdeckungen, die unsere Zukunft prägen. Ich bin Svea Eckert, Tech-Journalistin und an meiner Seite ist… Ja, ich bin Thorsten Fischer, Meeresbiologe und leite die Kommunikationsabteilung am Helmholtz-Zentrum Herionsphäre. Ich habe mich vor kurzem nochmal gefragt.

Röntgenbilder. Ich musste zum Arzt. Wieso sind Röntgenbilder eigentlich immer noch schwarz-weiß? Wir schreiben das Jahr 2026. Mein Fernseher kann eine Million Farben anzeigen und trotzdem Röntgen in schwarz-weiß. Ja, gute Frage.

Und das erste Röntgenbild überhaupt. Die Hand von Röntgens Frau ist von 1895 und seitdem hat sich an dieser Darstellung erstaunlich wenig geändert. Knochen hell, Weichteile grau, so kennt man das. Aber da tut sich unheimlich viel. Und ich sage es mal erst mal so ganz profan, mithilfe von Wissenschaft und Technik und zwar so viel, dass wir möglicherweise bald sogar Tumorzellen einfacher und schneller in 3D erkennen und anschauen können. Also wir werden heute bestimmt eine Antwort bekommen auf die Frage, wie kommt denn bald die Farbe ins Röntgenbild? Wie erzeugen wir auch auf solchen Bildern mehr Tiefe? Und dafür haben wir jemanden heute zu Gast, der genau daran arbeitet. Dominik John ist Physiker, hat gerade seine Promotion abgeschlossen mit Auszeichnung in der Gruppe für Physik der Biomedizinischen Bildgebung an der TU München und in Kooperation mit dem Helmholtz-Zentrum Herion in der Abteilung Röntgenbildung mit Synchrotransstrahlung. Erstmal nochmal ganz herzlichen Glückwunsch zur Promotion und super, dass du heute da bist, Dominik. Vielen Dank, ihr Thorsten. Freut mich sehr, heute da zu sein und das Thema mit euch zu diskutieren. Auch von mir herzlichen Glückwunsch. Was fasziniert dich daran so als Physiker, dass du quasi in der Medizin gelandet bist?

Physik hat ja oft diesen trockenen Ruf. Da gibt es viele Leute, die denken, okay, das sind Forscher, die arbeiten da irgendwo in dem Keller vor sich hin, sind so ein bisschen getrennt von der Realität. Und was ich sehr spannend an medizinischer Physik finde, ist, dass bei all den Formeln und den Experimenten, die wir so machen, dann auch wirklich Sachen rauskommen, die am Ende in der Klinik landen können oder in der Arztpraxis und so wirklich einen Unterschied machen für den Alltag von Menschen und hoffentlich unser Gesundheitssystem ein kleines bisschen besser machen. Finde ich sehr genial, deine Forschung. Lass uns gleich einsteigen, nehme ich mal mit, wenn ein verdächtiger Knoten entnommen wird, möglicherweise ein Tumor, möglicherweise nicht, was passiert denn dann in der Klinik, in der Praxis mit diesem Tumor? Normalerweise ist es so, dass dieser Tumor an ein Pathologielabor geschickt wird. Und dort haben Sie ein Spezialgerät, mit dem Sie eine ganz feine Scheibe von dem Tumor abschneiden können. Die ist wirklich hauchdünn, also so ein Zwanzigstel von der Dicke eines menschlichen Haares oder fünf Mikrometer.

Und diese Scheibe färbt man dann mit Spezialfarbstoffen ein, um besonders interessantere Strukturen zu markern. Zum Beispiel die Zellkerne, die werden ganz gerne in Violett hervorgehoben. Und diese gefärbte Struktur kann man dann unter ein Lichtmikroskop legen und da schaut dann eine Pathologin oder ein Pathologe auf die Zellen und zieht sich an, ob es da verdächtige Veränderungen gibt. Also ob das so aussieht wie ein typischer Krebs oder ob es eben ein normales Gewebe ist. Ah, so funktioniert das. Das ist dann so die klassische Histologie, also diese Gewebelehre. Das Gewebe wird präpariert, in dünne Schnitte zerlegt. Du hast es ja gerade schon beschrieben. Was kann denn diese Methode besonders gut und warum ist gerade die bis heute immer noch Standard? Der Hauptvorteil von der Methode ist, dass man eine sehr gute Auflösung hinbekommt. Also wir können wirklich einzelne Zellen angucken und wie die miteinander zusammenhängen. Und die Methode ist relativ einfach, weil wir einen Lichtmikroskop einfach in das Labor stellen müssen und dann einfach die Probe drunter legen und sie anschauen können. Und dadurch, dass es das Verfahren einfach schon so lange gibt, nämlich schon über 100 Jahre, ist es einfach der Standard und alle haben sich schon darauf eingestellt und es ist relativ gut automatisiert. Es gibt aber ein Problem und man stößt auch an Grenzen, oder? Ja, genau. Das Problem kann man ganz gut mit einem Beispiel aus dem Alltag nachvollziehen. Stell dir mal vor, Thorsten, du hast dir eine Avocado gekauft im Supermarkt und hast die jetzt auf dem Küchentisch liegen. Ja, ich hasse Avocados. Ich liebe Avocado. Ich sage, nee.

Das ist zu hartes Urteil von mir. Aber ich sage immer, die Avocado ist reif, Freitag zwischen 14 und 15 Uhr. Ja, weil ich immer das so schwierig finde, von außen den Reifegrad einer Avocado zu beurteilen. Aber okay, fernab. Da kann dir Dominik vielleicht helfen jetzt. Genau. Dann muss ich sie röntgen, nein, aber fernab von Reifegrad. Zum Glück ist der Reifegrad nicht ganz so wichtig für mein Beispiel. Okay, gut. Genau, also wir haben diese Avocado, egal ob sie jetzt reif ist oder nicht, und du machst einen einzelnen Schnitt mit deinem Messer und zwar an der Oberseite von der Avocado, also relativ nah an dem Stiel. Dann hast du jetzt einen Blick auf das Avocado-Fruchtfleisch, was ja einfach grün aussieht. Und wenn du jetzt keine Ahnung von Avocados hättest, dann könntest du basierend auf diesem Schnitt sagen, oh, Avocados haben offensichtlich keine Kerne, die sind einfach nur aus Fruchtfleisch. Und das klingt jetzt natürlich ein bisschen bescheuert, weil wir alle wissen, wie eine Avocado aussieht. Aber wenn du keine Ahnung davon hast, was für ein Gewebe du da gerade vorliegen hast, dann kann es sein, dass einfach dadurch, dass du den falschen Schnitt gemacht hast, du den Kern übersiehst, der dann zum Beispiel in dem Gewebefall der Tumor sein könnte, den du nicht erwischt hast, weil du einfach an der falschen Stelle geschnitten hast. Und im Falle von Diagnostik hat es dann natürlich schlimme Auswirkungen, weil wir den übersehen und dann zum Beispiel rückmelden, oh, da ist ja gar kein Tumor. Und letztendlich war dann aber doch ein Tumor irgendwo in der Probe, nur wo wir ihn nicht gesehen haben. Deswegen vielleicht nochmal nachgefragt, wie viel von einem Tumor sieht denn eine Pathologin oder ein Pathologe überhaupt?

Manchmal kann es sein, dass es schnell gehen muss, wenn zum Beispiel die Operation noch läuft und man während der laufenden Operation ein Ergebnis haben möchte, ob da jetzt Tumor drin ist oder man nochmal nachschneiden muss. Und dann passiert es tatsächlich, dass man nur einen einzigen Schnitt macht durch die Probe, die man da bekommen hat oder maximal zwei Schnitt.

Das heißt, es ist wirklich nicht viel Information, mit der man dann da eine schnelle Entscheidung treffen muss.

Und das wirkt sich tatsächlich auch aus auf die Praxis. Ich habe mal nachgeschaut, etwa jede fünfte Frau muss nach einer brusterhaltenen Operation, also bei Brustkrebs, noch einmal operiert werden, weil am Rand zum Beispiel doch noch Tumorgewebe entdeckt wurde. Und weil das eben doch schwierig ist, dass quasi während jemand narkotisiert ist, schläft, dann parallel nochmal ins Labor zu gehen, diesen Schnitt zu machen. Jetzt entwickelst du und dein Team ja eine besondere Methode. Da geht es nicht nur um Farbe im Röntgenbild, da kommen wir auch noch dazu, sondern bei eurer Methode geht es darum, Gewebe mit besonders intensiven Röntgenstrahlen zu durchleuchten und daraus dann ein 3D-Bild zu erzeugen, sprich also den Kern der Avocado, sage ich mal in Anführungszeichen, mit zu fotografieren oder mit abzubilden. Um was genau geht es euch da? Die Idee von dem Röntgenverfahren ist, dass wir Gewebe im 3D-Kontext untersuchen können. Das heißt, wenn wir da eine Probe haben, dann können wir die wirklich genauso angucken, wie sie mal im Körper war, bevor sie rausgenommen wurde. Das heißt, wir müssen sie nicht aufwendig zerschneiden, wie wir vorhin gesagt haben in der pathologischen Methode mit dem Mikroskop und dem Spezialgerät, sondern wir packen wirklich die Probe als Ganzes in unser Röntgengerät und bekommen dann ein 3D-Bild.

Und als Beispiel mit der Brust-OP, So ein Tumor kann man sich vorstellen wie so ein Ball, aus dem so ein paar Zacken rausschauen in alle Richtungen. Das nennt man auch die Tumorausläufer. Und das ist wirklich das, was immer so gefährlich ist bei diesen OPs, weil als Chirurg stehe ich da, ich habe Blut überall und ich versuche rauszufinden, ob der Tumor schon ganz rausgeschnitten wurde.

Und jetzt wäre es natürlich praktisch, wenn wir eine Methode haben, mit der ich diesen rausgeschnittenen Tumor einfach in das Gerät legen kann. Und dann sagt man das sofort, ob da noch irgendwie Zacken rausschauen, die noch nicht ganz erwischt wurden oder ob man da nochmal nachschneiden muss. Und das ist wirklich so das große Ziel dahinter, dass wir Gewebe sehr gut in 3D charakterisieren können, möglichst schnell auch noch und damit Diagnostik genauer machen können. Ja, aber da muss ich nochmal einhaken, weil neben dem klassischen Röntgenbild gibt es ja noch das CT, dann gibt es noch das MRT.

Ich dachte immer, diese Verfahren CT und MRT nutzt man genau deshalb, um ja auch 3D-Bilder zu erzeugen. Was macht deine Methode denn dann noch anders oder wo liegt der Mehrwert? Also es ist völlig richtig, dass CT und MRT dir in der Klinik auch schon 3D-Bilder liefern. Die fokussieren sich aber auf Strukturen, die Millimeter bis Zentimeter groß sind. Ein neues Beispiel, also einen Knochen könnte ich ja auch mit dem bloßen Auge erkennen. Das Problem ist natürlich nur, dass er im Körper verborgen ist. Deshalb brauchen wir die ganze Diagnostik, um da reinzugucken. Aber die Sachen, die wir uns anschauen möchten, sind so klein, dass du sie mit dem bloßen Auge nicht mehr erkennen kannst. Also wirklich einzelne Zellen. Und deshalb heißt unser Verfahren auch Mikro-CT. Das heißt, wir schauen uns Mikrometer große Strukturen an in 3D und bekommen einzelne Zellen oder einzelne Blutgefäße, feinste Blutgefäße. Und das ist eben nicht denkbar mit einem Klinikgerät. Wow. Okay, ich komme aber nochmal auf meine Frage vom Anfang zurück. Ich weiß jetzt immer noch nicht, warum Röntgenbilder eigentlich schwarz-weiß sind. Also da musst du mir auch nochmal helfen, warum ist das so? Röntgenstrahlung ist im Prinzip eine Form von Licht, die wir mit den Augen nicht sehen können. Deshalb nutzen wir dafür einen Röntgen-Detektor und die spezielle Eigenschaften hat, nämlich dass sie durch Gewebe hindurch gehen kann.

Aber es gibt Unterschiede darin, wie gut diese Röntgenstrahlung durch Gewebe durchkommt. Der Klassiker ist, dass Röntgenstrahlung ganz gerne mal im Knochen stecken bleibt, aber durch Weichgewebe eigentlich ganz gut durchkommt, also sowas wie Muskeln oder Fett.

Und was ein Röntgenbild jetzt eigentlich ist, ist einfach nur so eine Art Schattenbild. Das heißt, wir messen, wie viel Röntgenstrahlung kommt an jeder Stelle von dem Bild durch. Und das ist einmal viel, wenn da zum Beispiel nur Muskel drin war oder sehr wenig, wenn viel von einem Knochen absorbiert wurde. Und das stellen wir dann so als eine Art Graustufenbild dar, das eben nur diese Schattierung zeigt von weiß bis schwarz. Du hast uns vorab ja ein paar Bilder geschickt aus deiner Forschung. Ich sage es gleich dazu, also Schwarz-Weiß-Bilder und farbige Bilder. Du hast uns einmal Schwarz-Weiß-Bilder geschickt, wo man sozusagen so einen klassischen Schnitt sieht. Du musst mir gleich erklären durch was, also wahrscheinlich durch Gewebe. Und dann hast du uns aber auch nochmal ein Bild geschickt, wo man das nicht als Schnitt sieht, sondern so schräg im Raum, tatsächlich 3D, wo man am Rand dann auch jede Menge Verästelungen und ich weiß nicht, ob das Adern sind oder auf jeden Fall so Erhebungen, Zacken erkennen kann. Magst du einmal beschreiben, genau was man da sieht und welches der Bilder jetzt mit deiner Methode aufgenommen wurde? Genau, die Bilder sind tatsächlich alle mit unserer Methode aufgenommen. Und wir sehen ein Organ, das in 3D und mit sehr hoher Auflösung gemessen wurde.

Und was das Spannende an diesem 2D-Bild allein schon ist, dass es kein Schnitt ist, wie wir das vorhin gesehen haben, dass man das irgendwie unter das Mikroskop gelegt hat, sondern es ist ein virtueller Schnitt. Das heißt, unser Messer ist sozusagen der Computer. Weil wir haben wirklich dieses 3D-Objekt als Ganzes gemessen. Und dann können wir sagen, wir möchten jetzt diese eine 2D-Ebene dadurch angucken. Das heißt, ihr habt ein Stück Gewebe fotografiert und dann virtuell einen Schnitt erzeugt. Genau. Und das Coole daran ist, dass wir den Schnitt in jede beliebige Richtung legen können, weil wir ja die vollen 3D-Daten haben. Das heißt, wir müssen uns nicht vorher festlegen, was wir uns in dieser Probe angucken möchten, sondern können wirklich jede beliebige Richtung anschauen. Um im Avocado-Bild zu bleiben, ihr könntet dann in der Mitte schneiden, würdet den Kern entdecken, könnt aber auch weiter vorne schneiden und dann ist er eben kein Kern. Ganz genau. Das heißt, wir hätten jetzt die ganze Avocado gescannt und können in jeder beliebigen Richtung durchschauen und übersehen so auch nichts genau. Und ihr habt ja bei dieser grauen Abbildung, jetzt anders als das klassische Röntgenbild, habt ihr ja auf dieser Grauskala noch Zahlen. Da steht wie Elektronendichte von 278 bis 310. Was bedeutet das? Also eine Besonderheit von der Methode ist, das ist kein klassisches Schattenbild, dass wir einfach nur gemessen haben, wie viel Strahlung da absorbiert wurde an dieser Stelle, sondern wir nutzen auch die Ablenkung von der Röntgenstrahlung. Das kannst du dir vorstellen, wie wenn du ein Wasserglas hast und du steckst da einen Strohhalm rein. Dann sieht man oft, dass das Licht das Ganze bricht und der Strohhalm erscheint irgendwie an einer anderen Stelle, wo man erwarten würde.

Und genau diesen gleichen Effekt gibt es auch bei Röntgenstrahlung, aber er ist wirklich unfassbar klein. Also es ist sehr aufwendig, diese winzigste Ablenkung aufzunehmen, aber das kann unsere Methode. Und das erzeugt uns einen besseren Kontrast, also vor allem in Weichgewebe, als dieses Schattenbild. Und um auf deine Zahlen zurückzukommen, was uns immer wichtig ist, ist, dass wirklich die Messwerte, die wir da in diesem Bild haben, mit einer physikalischen Größe verknüpft sind, zum Beispiel der Elektronendichte. Und das sorgt dafür, dass das Verfahren immer die gleichen Bilder liefert, wenn ich immer die gleiche Probe scanne. Es klingt vielleicht komisch, warum sollte das nicht so sein? Aber wenn du dir überlegst, wenn du mit deiner Kamera einfach nur ein Bild vom Esstisch machst, dann sieht der gleiche Esstisch ja sehr unterschiedlich aus, je nachdem, was gerade die Tageszeit ist. Also je nachdem, wie das Licht da drauf scheint. Und bei solchen medizinischen Proben wäre es natürlich blöd, wenn zum Beispiel die Temperatur im Labor beeinflusst, wie mein letztendliches Bild aussieht, weil es dann natürlich gefährlich für die Vergleichbarkeit ist. Eine Eichung, eine Art. Genau, ja. Und das ist dann auch spannend, weil wenn ich jetzt eine Probe habe, die gesund ist und eine, die einen Tumor drin hat, dann kann ich ja auch sehr automatisiert sagen, okay, wenn ein Tumor drin ist, ändert der die Elektronendichte auf diese eine bestimmte Weise. Und dann muss es vielleicht später nicht mehr eine Person diagnostizieren, sondern kann das sozusagen direkt aus diesen Werten ablesen. Wow, okay. Jetzt hast du uns ja mehrere Bilder mitgebracht. Also wir haben jetzt gerade über die Schwarz-Weiß-Aufnahmen gesprochen, aber du hast auch eins in Farbe mitgebracht und...

Du sagst, das ist dasselbe Organ, das sieht aber völlig anders aus. Das ist so eine Art dreidimensionaler Block, schräg von der Seite fotografiert, rötlich-braun. Ich habe es eben schon mal so ein bisschen beschrieben. Oben eine glatte Schnittfläche, wie als hätte man durch ein Brot geschnitten.

Aber man schaut da richtig rein. Genau, das ist der gleiche Datensatz, aus dem gerade unser 2D-Bild rausgenommen wurde. Aber hier sieht man eben wirklich den Vorteil von dieser 3D-Methode. Weil es gab vorhin auf dem 2D-Bild so kleine Kreise und das sind Blutgefäße, wo wir sozusagen durchgeschnitten haben virtuell. Aber jetzt sieht man natürlich in dem 3D-Bild, wie sich diese Blutgefäße entlangziehen an dem Organ. Ja, so kleine Äderchen. Genau, das heißt, du siehst jetzt wirklich den ganzen Kontext davon, den du vorher gar nicht hättest erahnen können. Und das Ganze ist auch sehr spannend, auch für die Krebsforschung, weil Tumoren sehr gerne viele Blutgefäße ausbilden, die dann drumherum sich ausbilden und die Versorgung verbessern von diesem Tumor.

Das heißt, wenn man die wirklich in 3D darstellen kann und besser nachvollziehen kann, dann ist es auch eine sehr wichtige Info für die Forschung. Jetzt komme ich mal zum letzten Bild. Das ist fast mein Favorit für Nicht-Mediziner. Sieht fast aus wie ein Gebilde. Das sieht nämlich so aus wie ein normales Präparat unter dem Mikroskop, also quasi ganz dicht herangesoomt. Das ist im Prinzip rosa Gewebe, verschlungene Kanälchen, ein paar runde Gebilde, überall dunkelviolette Pünktchen. Der Maßstab sind 0,5 Millimeter und ich hätte nie gedacht im Leben, dass das ein Röntgenbild ist. Es ist lustig, dass du es sagst, weil ich habe das neulich in einem wissenschaftlichen Vortrag verwendet, um das Publikum damit reinzulegen. Ich habe nämlich einfach behauptet, dass das ein Mikroskopbild ist am Anfang von dem Vortrag. Und dann habe ich im Verlaufe des Vortrags das aufgelöst, dahin, dass wir das Ganze wirklich rein aus Röntgendaten generiert haben. Und das funktioniert tatsächlich auch mit unserer neuen Messmethode, mit der wir mit einem Computeralgorithmus aus den Röntgendaten ausrechnen können, wie das Mikroskopbild wahrscheinlich ausgesehen hätte. Und so ist es möglich, wieder Farbe in das Röntgenbild reinzubringen, was ja eigentlich nur schwarz-weiß wäre normalerweise.

Das heißt, ihr färbt Gewebe auch ein, also so dann doch wieder wie in der klassischen Pathologie, was wir am Anfang hatten, wenn man ein Präparat in verschiedene Schichten zerlegt oder zerschneidet, Warum färbt ihr das Material ein? Ich meinte am Anfang, dass Pathologen sehr gerne bestimmte Strukturen markieren in ihrer Probe. Das Wichtigste sind die Zellkerne, die eine sehr große Rolle spielen bei der Krebsdiagnostik. Was wir gemacht haben für diese Probe, ist, dass wir einen Farbstoff entwickelt haben oder einen Röntgenfarbstoff, den man auf diese Probe draufgeben kann und der sich da so einmal durchsaugt durch die komplette 3D-Probe. Das Gewebe oder was man nimmt, zieht diesen Farbstoff ein. Jetzt bin ich wieder beim Essen, aber so ein bisschen wie eine Marinade sozusagen, die von außen da durchgeht und die ganzen Zellkerne markiert. Und genau diese Markierung können wir dann wieder raus extrahieren mit unserem Röndenverfahren. Und so die Strukturen, die man in einem normalen Mikroskopbild als Violett sehen würde, auch wieder als Violett anmarkern.

Und jetzt kommt so dein eigentlicher Trick ins Spiel. Dazu hast du im Januar sogar was veröffentlicht, eine Arbeit veröffentlicht. Und die hat das aufs Cover von einem Wissenschaftsmagazin geschafft. Das verlinken wir gerne in den Shownotes. Das ist eben genau so eine Abbildung, wo ihr auch das Gewebe eingefärbt habt, wie eben in der klassischen Pathologie, um sozusagen das zu trennen. Und du hattest eben gesagt, das ist wie Marinade. Magst du es noch einmal erklären? Wie ganz genau funktioniert das? Also die Idee von dem Röntgenfarbstoff ist, dass er sich an die Zellkerne dranklebt, chemisch. Aber der hat noch zusätzlich zu diesem normalen Farbstoffmolekül hat er Blei dran. Und das kennen wir vielleicht von Röntgenuntersuchungen an uns selbst. Wenn man zum Beispiel zum Zahnarzt geht und einen Röntgen braucht, dann bekommt man häufig eine Bleischürze. Und das liegt daran, dass diese Bleischürze sehr gut Röntgenstrahlung absorbiert und in dem Fall sozusagen unsere Organe schützt. Wenn man jetzt aber das Blei in sehr kleiner Konzentration in diesem Farbstoff in die Probe hineingibt, dann absorbiert der Marker an genau diesen Stellen sehr viel Röntgenstrahlung. Und das ist dann genau die Information, die wir nutzen können, um den Marker sozusagen zu trennen von dem restlichen Gewebe.

Dass wir genau wissen, okay, wenn da jetzt plötzlich sehr viel Absorption auftritt, dann muss es wegen diesem Marker sein. Und dann können wir den sozusagen in einer anderen Farbe darstellen. Hast du dir das ausgedacht? Der Marker tatsächlich nicht. Das hat eine gute Kollegin von mir, Madeleine Busse, vom Bundesinstitut für Risikobewertung entwickelt. Da braucht man dann auch chemische Expertise, um das wirklich richtig hinzubekommen. Aber genau den Algorithmus habe ich mir dann überlegt. Wow, sehr, sehr, sehr cool. Ja, und dafür nutzt ihr natürlich ein ganz besonderes wissenschaftliches Gerät. Das Helmut Zentrum Herium betreibt ja am DESI, dem Deutschen Elektronen-Synchrotron in Hamburg, eigene Messplätze. Und ich glaube, wir müssen jetzt mal unsere Hörerschaft aufklären, wie diese magischen Bilder, die wir jetzt in unterschiedlichsten Art und Weise gesehen haben, wie genau entsteht technisch jetzt so ein Bild. Was ich weiß, ich versuche es mal mit eigenen Worten und du machst es dann genau und sagst, was falsch und richtig war. Ich weiß, dass beim DESY, beim deutschen Elektronen-Synchrotron.

In Hamburg unter der Erde riesige Tunnel laufen und dort wird hochenergetisches Röntgenlicht erzeugt, was ein sehr intensives Licht ist, mit dem man in Materialien, in Prozesse, in Vorgänge so tief hineinschauen kann, wie mit fast keinem anderen Supermikroskop. Und die Pointe ist, das ganze Ding ist so groß wie ein kleiner Stadtteil. Genau, also da lass uns doch mal teilhaben. Was ist das für ein super Gerät, mit dem solche tollen Bilder entstehen?

Genau, also ich finde, du hast es völlig richtig zusammengefasst. Wir haben diese riesige Forschungsanlage, das DESY, das uns besonders gutes Röntgenlicht liefert. Und der Vorteil gegenüber zum Beispiel einer Röntgenröhre, die man jetzt so aus der Arztpraxis kennt, ist, dass es in einen super kleinen Punkt fokussiert ist. Das kann man sich jetzt vorstellen, wie die Röntgenröhre beim Arzt wäre zum Beispiel die Taschenlampe, die zwar auch hell ist, aber in alle Richtungen abstrahlt. Und das DESY ist dann mehr wie so ein Laserpointer, mit dem ich wirklich einzelne Punkte angucken kann. Und das hilft uns dann wieder bei unserem Auflösungsthema, weil wenn ich da mit der Taschenlampe sozusagen auf mein Gewebe draufleuchte, dann habe ich keine Chance, dass ich da irgendwie einzelne Zellen sehen kann. Aber wenn wir diese hochfokussierte Strahlung vom DESY verwenden, dann können wir eben genau diese Auflösung erreichen. Und ein zweiter Punkt ist auch, dass das DESY in sehr viel kürzerer Zeit einfach sehr viel mehr Strahlung liefert. Das heißt, mit einem normalen Röntgengerät müssten wir dann wahrscheinlich ein paar Tage an der gleichen Probe messen, bis wir wirklich mit dieser Auflösung, die Probe in 3D charakterisiert haben. Du warst ja, um das überhaupt rauszufinden, warst du ja sogar während deiner Promotion in Australien und hast dort ja Experimente durchgeführt, hast unter sehr hohem Druck quasi Tag und Nacht, weil man muss diese Röhren.

Da muss man sich Zeiten buchen, der Zugang ist recht restriktiv. Du musst sogar eine Art Bewerbung schreiben, warum deine Forschung es sozusagen wert ist, da diese kostbare Zeit zu veranschlagen. Und dann hast du da deine Gewebeproben sozusagen mit den Strahlen beschossen, um eben diesem Algorithmus auf die Schliche und auf die Spur zu kommen und diese tollen Ergebnisse zu bekommen. Ich kann mir vorstellen, dass da nicht immer alles nur glatt lief. Das stimmt. Also vor allem, wenn man dann mal so ein paar Tage an diesem Gerät ist und dann wirklich Tag und Nacht dran arbeitet. Also zum Glück dann natürlich in Teams, wo man sich ein bisschen austauscht. Aber irgendwann ist man wirklich erschöpft und hofft dann einfach nur, dass das Experiment vorbei ist. Und dann beginnt aber noch eine spannende Phase, weil man sich auch angucken muss, was man da alles gemessen hat, weil man kann das nicht alles auswerten, während man sozusagen noch am Experiment ist. Und bei diesem australischen Experiment war es so, dass ich die nächsten Monate danach damit beschäftigt war, dann halt schrittweise durch alle Gewebeproben durchzugucken. Wir hatten da irgendwie 20, 30 von denen.

Und dann ist mir aufgefallen, dass bei jeder einzelnen von diesen Proben sich Luftblasen gebildet hatten. Wir wissen immer noch nicht so genau, woher die kamen. Die haben sich gebildet, während wir sie gemessen haben. Und das hat dazu geführt, dass die Proben verwackelt sind, während wir sie aufgenommen haben. Also wirklich wie wenn ich eine Digitalkamera habe und dann die Kamera bewege, während ich die Aufnahme mache. Dann ist alles verschmiert und damit kann man natürlich kein sinnvolles wissenschaftliches Resultat bekommen. Alles umsonst? Das war doch ein Trauer im Moment. Ja, das war wirklich frustrierend. Und da saß ich dann wirklich wochenlang an diesem Computer und habe mir diese Bilder angeguckt. Und ich klicke von Bild zu Bild und jedes davon ist einfach nur völlig unbrauchbar. Und habe schon angefangen, mich darauf vorzubereiten, mir jetzt ein neues Thema zu überlegen, an was anderem weiterzumachen. Und dann bin ich eines Morgens ins Büro gekommen und dachte mir, Moment mal, ich glaube, ich hatte irgendwas vergessen. Es gab noch einen letzten Datensatz von dem letzten Tag, so in den letzten Stunden, bevor dieses Experiment vorbei ist. Ich glaube, den habe ich mir noch nicht angeguckt. Nein!

Ja, also ich hatte keine allzu große Hoffnung, aber ich dachte, vielleicht kann man dann mit dem Thema abschließen. Habe ich wirklich alles angeguckt und dann habe ich diesen Datensatz aufgemacht und der war absolut perfekt. Der war nicht verwackelt, es gab keine Luftblasen, es hat alles gepasst und, das war dann genau der Datensatz, den wir nutzen konnten, um diesen Algorithmus zu testen und zu beweisen, dass er tatsächlich funktioniert. Das heißt, nach all den Monaten frustrierter Datenauswertung hat sich dann doch alles gelohnt, auch das Experiment, weil dann dieser eine Datensatz uns letztendlich gerettet hat. Konntet ihr auch klären, warum die anderen Bilder unscharf waren und nur der letzte Datensatz die Lösung brachte? Wir glauben tatsächlich, dass die Röntgenstrahlung so intensiv war, dass sie irgendwelche chemischen Prozesse in Gang gebracht hat, die dazu geführt haben, dass sich Blasen da drin bilden.

Ich könnte jetzt aber nicht erklären, warum das bei dieser letzten Probe nicht passiert ist. Irgendeine göttliche Fügung, aber es hat auf jeden Fall funktioniert. Du hast ja eben schon gesagt, wenn man normalerweise klassisch gerönt wirkt, dann braucht man einen Schutz, Dann braucht man eine Bleischürze und Röntgenstrahlung und Strahlung allgemein. Ich glaube, da muss man generell auch vorsichtig sein. Und umso weniger gefährliche Strahlung der Körper absorbiert, also aufnimmt, umso besser ist es. Und ich glaube, das ist ja auch ein Thema deiner Arbeit, dass du versuchst herauszufinden, wie kann man solche exzellenten Bilder produzieren und gleichzeitig die Strahlenbelastung reduzieren. Was machst du da? Also grundsätzlich ist der Vorteil von unserem Verfahren ja schon mal, dass wir uns nur Gewebe angucken, was nicht mehr im Körper drin ist. Das heißt, hier muss man nicht aufpassen, dass Patienten keine Strahlung abbekommen, weil das Gerät sozusagen abgeschirmt ist. Und da gibt es dann keine Chance, dass da irgendwie Strahlung rauskommt. Genau, die Grundidee ist ja sozusagen, der Tumor ist entnommen und jetzt ein Verfahren zu entwickeln, den ganz schnell in 3D zu fotografieren, vielleicht sogar einen Algorithmus zu finden, noch Tumorzellen zu entdecken und dann, das ist so das ferne, ferne Ziel.

Auf dessen Weg ihr gerade seid. Deshalb könnte man sagen, dann ist ja eigentlich die Strahlendosis egal.

Aber es ist schon so, dass wenn ich versuche, die Auflösung um den Faktor 10 zu verbessern, dass ich in der Regel 10.000 Mal so viel Strahlung brauche. Und da kann man sich vorstellen, da kommt man schnell auf sehr hohe Werte, wenn man sich kleine Details von seiner Probe angucken möchte.

Und das kann tatsächlich dazu führen, dass selbst Gewebe, was schon rausgeschnitten wurde, Schaden nimmt dadurch. Also zum Beispiel sich anfängt zu verformen oder vielleicht auch die Luftbläschen, von denen wir vorhin gesprochen haben. Genau, die Bilder unscharf werden. Genau, die Bilder unscharf machen, dann kann ich natürlich auch nichts mehr damit anfangen. Und deshalb haben wir auch eine Methode entwickelt, mit der man besonders dosissparend diese Proben messen kann, damit man eben möglichst keine Änderungen in der Probe hervorruft, die man gerade versucht zu verstehen, zu scannen. Da wäre es natürlich blöd, wenn da irgendwie ein Schaden entsteht. Und was du machst, ist ja Grundlagenforschung. Die hat zwar ein Ziel, dass deine Forschung auch in der Anwendung landet und auch die Medizintechnik irgendwann einmal verbessert. Das heißt, du versuchst ja eine Apparatur auch zu entwickeln, sage ich jetzt mal so. Nicht so groß ist wie ein ganzer Stadtteil. Das wäre super, ja. Ganz genau. Dann passt sie besser an die Arztpraxis. Genau, vielleicht eine Art kleiner Kasten. Und nehmen wir mal an, den gäbe es dann auch mal. Und du hast ja selber schon gerade beschrieben, wie mühselig das ist, all diese Daten und Bilder auch hinterher auszuwerten. Und wenn du mit deinem neuen Superkasten jetzt noch mehr Bilder produzierst, wer soll sich die alle ansehen? Das ist eine sehr gute Frage. Ich weiß nur, dass Radiologen und Pathologen eigentlich sowieso schon völlig überlastet sind mit ihrer Arbeit. Und ich weiß nicht, was die jetzt sagen, wenn wir ihnen erzählen, dass sie sich bitte jetzt tausend Schnittbilder pro Probe angucken sollen statt nur zwei.

Da müsste man sich überlegen, ob man für bestimmte, besonders spannende Anwendungen Algorithmen entwickelt, die zumindest schon mal eine Vorauswahl treffen können oder vielleicht sogar automatisch eine Fragestellung beantworten können. Wenn wir nochmal zu dem Beispiel mit der Tumor-OP gehen, dann könnte ja ein Algorithmus zum Beispiel rausfinden, wo ist denn jetzt der Tumor in diesem 3D-Gewebe und vielleicht versuchen die Zacken nachzuverfolgen und mit dann automatisch sagen, okay, geht die Zacke jetzt bis über den Bildrand hinaus? Also ist da noch Tumor in der Patientin, den Patienten?

Oder ist das Ganze gut eingekapselt von gesundem Gewebe? Und dann hätte ich ja nicht mehr tausende Schnittbilder, die ich irgendjemandem präsentiere, sondern einen Algorithmus, der im Prinzip mir einen grünen Daumen hoch oder einen roten Daumen runter gibt, dafür, ob ich nochmal was nachschauen kann. Und dann nochmal die Stelle dann markiert, die ich mir dann selber mit dem Auge oder wo der Pathologe dann nochmal draufschieben kann. Genau, also generell vielleicht die interessantesten Stellen einfach rausziehen und dann in so einer Übersicht darstellen, damit dann nochmal ein geschultes Auge drüber gucken kann, ob das auch wirklich stimmt. Aber genau, dass man nicht mehr alles von vornherein durchgehen muss. Du hast jetzt immer vom Algorithmus gesprochen, also keine künstliche Intelligenz oder doch. Denkst du, das kann da helfen? Ja, ich glaube, in der aktuellen Zeit ist es ganz wichtig, dass man da unterscheidet zwischen, also wenn man jetzt einfach KI sagt, dann klingt das manchmal ein bisschen nach Magie sozusagen, aber letztendlich wäre eine KI, die sowas beurteilt, was wir relativ gut verstehen, also ein... Bilderkennungsalgorithmus. Genau, eine Art Bilderkennungsalgorithmus, dem wir sozusagen ganz viele Bilder mit krankhaften Daten zum Beispiel geben und ganz viele Bilder mit gesunden Daten und den wir dann darauf trainieren, dass er die voneinander automatisiert unterscheiden kann. Und genau, dann finde ich, das klingt dann ein bisschen weniger nach Magie, weil wir tatsächlich wissen, was wir da eigentlich genau tun.

Das Thema digitale Zwillinge, spielt das da eine Rolle? Ist das so das große Endziel, die große Vision, dass man am Ende sagt, man nutzt nicht nur, eine von dir oder von anderen Experten trainierte KI, sondern dass man letztendlich ein Abbild der Realität schafft, was vielleicht, das ist jetzt eine große Idee, was dann mit den Daten, die gleichzeitig erhoben werden, interagiert, spricht in Anführungszeichen, um so vielleicht auch das Experiment zu verbessern und auch hinterher die Auswertung. Kannst du auf diesen Aspekt digitale Zwillinge nochmal etwas eingehen? Also du meinst mit digitale Zwillinge, dass wir sozusagen ein Abbild zum Beispiel von unserem Tumor schaffen in 3D, das wir dann besser nachvollziehen können? Ja, ich meine genau, dass ihr zum einen ja praktisch den Tumor als, ja wirklich als reales Abbild habt, aber dass ihr vielleicht auch irgendwann Ideen oder Strukturen von Tumoren.

So weit kennt, dass ihr in Zukunft vielleicht noch besser so eine KI trainieren könnt und vielleicht ein Zwilling entsteht, der sagt, ein Tumor sieht in der Regel so aus. Dass euch das schon etwas hilft, von vornherein auf die Auswertung intensiver eingehen zu können. Ja, also das ist ein super spannendes Thema, weil ich mir sehr gut vorstellen kann, dass es spannend wäre, eine sehr große Anzahl von verschiedenen Tumoren zu messen und vielleicht auch in verschiedenen Tumorstadien. Weil dann können wir auch besser verstehen, wie sich der Krebs überhaupt entwickelt oder in welchen Stufen. Und weil wir beim Thema KI waren, wird ja oft gesagt, okay, vielleicht wenn die KI schlau genug ist, dann heilt sie einfach irgendwann krebsblöd gesagt. Aber ich glaube, eine sehr schlaue KI würde uns erstmal die Frage stellen, wo ist denn eure standardisierte Tumordatenbank, wo zum Beispiel alle möglichen verschiedenen Tumoren drin sind, also nicht nur vielleicht mit Ronnenbildern, sondern auch weiteren, diagnostischen Mitteln oder vielleicht auch Patienteninformationen, also zum Beispiel Sportgewohnheiten, Essgewohnheiten. So ein riesiger Datensatz, der sozusagen alles kombiniert, was wir über Krebs wissen. Und dann stünden wir da, glaube ich, vor diesen Chatfenstern und sagen, oh sorry, haben wir nicht dran gedacht, sowas haben wir noch gar nicht.

Das heißt, vielleicht wäre das auch ein Weg, so eine Datenbank aufzubauen, indem man eben sehr viele verschiedene Tumoren scannt und die dann gut miteinander vergleichen kann, sodass dann am Ende ein KI-Algorithmus da drüber gehen kann und sagen kann, okay, ich sehe hier diese Muster, wenn die Leute in diesen Umweltbedingungen sind, entwickelt sich nach fünf Jahren das hier zum Beispiel. Und das wäre dann sehr spannend in der Krebsforschung und um Krebs zu vermeiden. Das heißt, da sind ganz viele Daten aus der realen Welt nötig und diese Daten müssen erhoben werden, zum Beispiel eben in Form von Röntgenbildern. Das ist ja das, woran du genau arbeitest, dass man überhaupt die Grundlage dafür hat, dass man dann künstliche Intelligenz oder Algorithmen damit, sagst du mal in Anführungszeichen, füttern kann. Also, dass man die einlesen kann und diese Daten verarbeiten können. Jetzt gibt es ja tausende von Krebsarten. Ja genau, inwiefern lassen sich denn überhaupt solche Dinge übertragen von einem auf den anderen Krebs? Also es gibt so ein paar Muster, mit denen Krebs normalerweise erkannt wird. Zum Beispiel dadurch, dass die Zellen sich sehr viel teilen, sehen wir da auch sehr viele Zellkerne auf sehr kleinen Raum. Deshalb auch der Farbstoff wichtig, von dem ich vorher gesprochen habe, damit man das eben sofort erkennen kann.

Und die Zellkerne sind auch sehr groß. Also das sind so Dinge, die man in sehr vielen verschiedenen Tumoren findet. Aber wie der Tumor dann genau ausgestaltet ist, hängt natürlich sehr davon ab, was für ein Gewebe ich da gerade vorliegen habe. Und deshalb wäre es eben super, da einfach mal so eine große Bandbreite von verschiedenen Tumoren sich in 3D anzugucken, das gab es ja auch noch nie, um das dann miteinander vergleichen zu können und besser verstehen zu können. Ja, das ist ja richtiges Neuland.

Ich sehe so ein Bild vor mir, du als quasi Tiefseeforscher, der in einem U-Boot sitzt und sozusagen immer mit einer Lampe auf dem Meeresgrund leuchtet, weil du hast es ja gerade schon gesagt, es gibt noch gar nicht so viele Bilder von Tumoren in 3D. Das ist jetzt was, was ihr gerade erst entdeckt habt oder woran ihr gerade erst arbeitet. Und wir haben jetzt schon über das große Ziel, vielleicht eines Tages den digitalen Zwilling gesprochen. Was müsste denn in den nächsten fünf Jahren erstmal passieren, um diesem Traum ein Stückchen näher zu kommen? Aus meiner Sicht bräuchten wir einen Prototypen, den wir einfach mal in eine Klinik stellen. Weil ich meine, wir haben natürlich jetzt viel über das DESI gesprochen und dort ist es ja einfach, diese guten Bilder hinzubekommen. Aber es gibt schon erste Bestrebungen, einen Laborprototypen zu bauen.

Der dann vielleicht nicht ganz an die Auflösung vom DESI rankommt, sondern vielleicht mehr so 20 Mikrometer statt 1 Mikrometer. Aber auch damit könnte man ja schon mal erste Studien durchführen, um zu gucken, ob das vielleicht schon mal einen Mehrwert bietet. Dann habe ich vielleicht noch nicht das super scharfe Bild in 3D, aber vielleicht reicht es ja schon mal aus, um diese Tumorausläufer anzugucken und schon mal grob zu beurteilen, okay, ist der jetzt noch angeschnitten oder nicht? Wie sieht denn so ein Prototyp aus? Weil ich kenne das Desi, ja, und das Desi ist also so ein riesiger Ring unter der Erde. Deswegen haben wir gerade mal gesagt, der ist so groß wie ein Stadtteil. Ich habe die ganze Zeit versucht, mir das im Labor vorzustellen. War das so ein Ring ums Krankenhaus? Du kannst dir vorstellen, wie so ein Kasten aus Blei, damit eben keine Strahlung rauskommt. Und drinnen ist eine zum Beispiel handelsübliche Röntgenquelle, aber noch ein paar zusätzliche Tricks, würde ich sagen, also die man in dem, Pfad von der Röntgenstrahlung platziert. Um die schärfer zu machen, um die stärker zu fokussieren. Es gibt nämlich so Masken, die man da reinpacken kann, die Teile von der Röntgenstrahlung blocken, aber auch Teile davon durchlassen. Und mit ein paar algorithmischen Tricks und der Bewegung von diesen Masken kann man tatsächlich die Auflösungen verbessern, die man damit erreichen kann. Wir spielen am Ende immer das Spiel, Weil Svea und ich haben unendlich viel Geld zur Verfügung und wir möchten dieses Geld gerne dir geben, weil uns deine Forschung fasziniert und.

Weil wir denken, da steckt eine Menge Relevanz und wirklich brauchbarer Nutzen drin. Was würdest du mit diesem Geld tun? Es trifft sich, sage ich, ganz gut, weil ich würde an meinem Herzensthema weiterforschen, was genau dieses Thema ist. Also ich müsste jetzt nicht großartig mich karrieretechnisch umorientieren, würde ich sagen.

Aber meine Vision wäre eben genau so ein kleines Kastengerät, was wir wirklich im Krankenhaus stellen können, mit dem wir alle möglichen Proben in 3D und in superhoher Auflösung scannen können. Das ist einfach so ein weiteres Hilfsmittel für die Ärztinnen und Ärzte, mit denen sie bessere Diagnosen stellen können. Und das eines Tages mal in einem Krankenhaus stehen zu sehen, das würde mich sehr glücklich machen. Ja, okay. Da laden wir dich wieder ein.

Spätestens dann. Sind sehr gespannt, also wie es mit dir und deiner Arbeit weitergeht. Also hoffen, dass ihr mit euren Projekten da erfolgreich seid. Ja, sehr schön, dass du uns mitgenommen hast in die faszinierende Welt der Radiologie, der Röntgenbilder und auch der 3D-Fotografie, sage ich mal in Anführungszeichen. Das war sehr, sehr spannend. Vielen Dank. Ja, danke dir auch, dass du heute bei uns warst und uns einen kleinen Einblick in diese große Arbeit gegeben hast. Und damit sind wir auch schon am Ende unserer Folge von Herion Academy, dem neuen Spezial von PM Schneller Schlau. Wenn ihr mehr Informationen möchtet, dann schaut gerne auf unsere Social-Media-Kanäle. Ihr findet uns auf Instagram, auf Facebook, auf LinkedIn. All die Adressen zu finden unter www.herion.de und schreibt uns natürlich auch gerne einen Kommentar, wie es euch gefallen hat oder an welchen Folgen wir sonst arbeiten sollten unter presse-at-herion.de. Ja, danke dir, Dominik. Vielen Dank euch, hat sehr viel Spaß gemacht. Tschüss, mach's gut. Und wichtig noch am Ende, das Helmholtz-Zentrum Herion unterstützt den Podcast PM Herion Academy mit der wissenschaftlichen Recherche und stellt Audiodateien zur Verfügung. Produktion Martin Putz, Redaktion Christoph Wörle, Mitarbeit Jasmin Ebauer. Tschüss, macht's gut, bis zum nächsten Mal. Ciao. Tschüss.