Die Histologie zählt zu den Grundlagen der modernen Diagnostik. Wenn Ärztinnen und Ärzte wissen wollen, ob ein Gewebe krankhaft verändert ist, greifen sie zur mikroskopischen Gewebeanalyse. Dazu schneiden sie das Gewebe in hauchdünne Schnitte, färben es mit speziellen Farbstoffen ein und betrachten es unter dem Lichtmikroskop. Dadurch lässt sich zum Beispiel erkennen, ob und welche Art von Tumor vorliegt, sodass Therapieentscheidungen getroffen werden können. Außerdem beurteilen Medizinerinnen und Mediziner teils während der OP, ob sie das veränderte Gewebe schon vollständig entfernt haben oder noch weiter operieren müssen.
Vorteile der Röntgenstrahlen
Doch das Verfahren ist aufwendig: Das Gewebe muss entweder gefroren oder fixiert und in Wachs eingebettet, geschnitten und eingefärbt werden – ein zeitintensiver Prozess, der die Probe in viele Scheiben zerteilt und so den räumlichen Zusammenhang auseinanderreißt. „Man kann sich das Gewebe nicht im 3D-Kontext ansehen, um beispielsweise zu verstehen, wie Blutgefäße verlaufen oder wo der Tumor endet“, erläutert Dominik John, Erstautor der Studie und Forscher am Hereon-Institut für Werkstoffphysik.
Deshalb arbeitet die Fachwelt an der sogenannten virtuellen Histologie – an 3D-Röntgenbildern mit mikrometergroßer Auflösung. Denn anders als sichtbares Licht durchdringen Röntgenstrahlen zentimeterdicke Proben und liefern Daten über das gesamte Volumen. Anstatt nur Aufnahmen von wenigen Gewebestellen zu sehen, lässt sich jede beliebige Stelle aus allen möglichen Richtungen betrachten. Doch ein Problem blieb ungelöst: Röntgenbilder sind schwarz-weiß. Deshalb ließen sich die Farbstoffe, die in der klassischen Histologie Zellkerne oder bestimmte Gewebetypen farbig markieren, im Röntgenbild nicht vom umgebenden Gewebe unterscheiden.
Röntgen mit Farbinformation
Hier setzt die innovative Methode an, die John gemeinsam mit einem internationalen Team von Forschenden aus Hamburg, München und Melbourne entwickelte. Der Ansatz kombiniert die hochauflösende Röntgen-Computertomografie mit einem speziellen Phasenkontrast-Verfahren und einem neuen Auswertealgorithmus. Dieser nutzt zwei Messgrößen gleichzeitig – wie stark das Gewebe die Röntgenstrahlen abschwächt und wie sehr es sie bricht. Letzteres wird durch ein feines Gitter im Röntgenstrahl sichtbar, was ein Punktmuster auf die Probe projiziert. „Dadurch kann das Verfahren zwei getrennte dreidimensionale Bilder berechnen“, erklärt John. „Das eine zeigt ausschließlich das Gewebe, das andere nur den Farbstoff.“
Als Demonstration untersuchten die Forschenden Nieren von Mäusen und Ratten, die sie mit dem Farbstoff Hämatein behandelten. Am Farbstoff hing zusätzlich ein Bleiatom, um für starken Röntgenkontrast zu sorgen. Die Proben untersuchte das Team an den Röntgenstrahlungsquellen PETRA III am DESY in Hamburg und am Australian Synchrotron in Melbourne. Das Ergebnis: Die Methode zeigt nicht nur, wo sich der Farbstoff befindet – sie misst auch dessen Menge.
„Wir können für jeden Bereich der Gewebeprobe die genaue Farbstoff-Konzentration angeben“, sagt John. „Das ist eine wertvolle Information für die Forschung.“ Um ihre Röntgenaufnahmen mit konventionellen Bildern zu vergleichen, fertigte das Team histologische Schnitte aus derselben Probe an – und fand eine gute Übereinstimmung.
Methode zugänglicher machen
Noch ist die Methode aufwendig, weil sie an große Forschungsgeräte gebunden ist. Deshalb wollen sie die Fachleute mithilfe moderner Labor-Röntgenquellen zugänglicher machen. „Zunächst könnte es als Tool für die Wissenschaft dienen, etwa für die Krebsforschung“, sagt Dominik John. „Doch ließe sich die Auflösung verbessern, wäre das auch für die klinische Diagnostik spannend.“
In der Medizin ließe sich krankes Gewebe vollständig im räumlichen Zusammenhang analysieren, etwa um Tumorausbreitung, Vollständigkeit der operativen Entfernung oder Therapieeffekte besser beurteilen zu können. Aus Patientensicht wäre das ein spürbarer Gewinn: präzisere Diagnosen, besser begründete Therapieentscheidungen und möglicherweise weniger invasive Eingriffe.
Quelle: Helmholtz-Zentrum Hereon
Originalpublikation: Dominik John et al.; Quantitative Stain Mapping in X-Ray Virtual Histology; Advanced Science, Januar 2026, DOI: 10.1002/advs.202519783
