Ultraschallverfahren werden routinemäßig bei der Brustkrebsvorsorge und zur Beurteilung der Dignität verdächtiger Läsionen eingesetzt. Mit Unterstützung der DFG haben wir ein hochauflösendes, kontrastverstärktes Ultraschallverfahren entwickelt, die Bewegungsmodell-Ultraschall-Lokalisationsmikroskopie (mULM), die einzelne Mikrobläschen in Videosequenzen verfolgt und Bilder des Gefäßsystems mit einer Auflösung jenseits der Beugungsgrenze erzeugt.
Die mULM-Methode ermöglicht eine genaue Beurteilung der Gefäßarchitektur in Tumoren, der einzelnen Blutgefäßgeschwindigkeiten und Flussrichtungen sowie die Quantifizierung des relativen Blutvolumens und der Perfusion. Zuvor hatten wir in Xenograft-Tumoren von Mäusen gezeigt, dass diese Methode die Extraktion verschiedener morphometrischer Parameter ermöglicht und in Kombination mit einer radiomischen Analyse die automatische Unterscheidung verschiedener Tumortypen unterstützt.

In diesem Projekt wollen wir mULM und ultraschallbasierte Radiomik für die Anwendung am Patienten anpassen und die Technik zur 3D-Erfassung und -Verfolgung weiterentwickeln. In einer ersten Analyse klinischer Datensätze konnten wir bereits superauflösende Gefäßverläufe extrahieren. Für die robuste Anwendung im klinischen Umfeld ergaben sich jedoch einige technische Herausforderungen: Insbesondere die Bewegung des Patienten und die geringere Bildauflösung in Verbindung mit einer erhöhten Schichtdicke und nicht optimierten Injektionsprotokollen erlaubten nur die Verwendung kurzer Bildsequenzen und die Extraktion einer reduzierten Anzahl von Gefäßen.

In einem ersten Schritt wird daher die mULM-Methode verfeinert und für die Anwendung in der Brustbildgebung auf klinischen Ultraschallgeräten angepasst. Anschließend soll die 2D-mULM-Methode zur Überwachung des Ansprechens von Brustkrebs auf eine neoadjuvante Chemotherapie eingesetzt werden. Die Methode wird mit der konventionellen kontrastverstärkten Soographie verglichen. Darüber hinaus wollen wir die Methode von der 2D- zur vollständigen 3D-Erfassung mit einem volumetrischen Echtzeit-Scanner weiterentwickeln und beide Ansätze in einer kleinen Kohorte von Patienten mit Brusttumoren unterschiedlicher Dignität vergleichen. Um das volle Potenzial der mULM-Datenanalyse auszuschöpfen, werden Algorithmen entwickelt und implementiert, die eine automatische Extraktion und Clusteranalyse der vaskulären Merkmale ermöglichen. Zur automatischen Gruppierung der Patienten werden Ähnlichkeitsmessungen und Clusteranalysen durchgeführt. Somit wird dieses Projekt einen ersten Beitrag zur klinischen Umsetzung des multiparametrischen superauflösenden Ultraschalls leisten und den Weg für die ultraschallbasierte Radiomik-Analyse ebnen.