Krebsdiagnostik: Fraktalanalyse als neue Methode

Muster in Mustern erkennen

  • Abb. 1: links: Veranschaulichung des allgemeinen Prinzips von Dimensionalität anhand euklidischer Geometrien, rechts: die Konstruktion der Koch Kurve als Beispiel für eine fraktale GeometrieAbb. 1: links: Veranschaulichung des allgemeinen Prinzips von Dimensionalität anhand euklidischer Geometrien, rechts: die Konstruktion der Koch Kurve als Beispiel für eine fraktale Geometrie
  • Abb. 1: links: Veranschaulichung des allgemeinen Prinzips von Dimensionalität anhand euklidischer Geometrien, rechts: die Konstruktion der Koch Kurve als Beispiel für eine fraktale Geometrie
  • Abb. 2: Schematische Darstellung der Reflexionsinterferenzkontrastmikroskopie (RICM) und Mikroskopiebilder einer Zelle im Vergleich: links ein Hellfeldbild, rechts ein RICM Bild
  • Abb. 3: Adhäsionstopologie (oben) und Zellkonturen von Pankreastumorzellen PatuS (benign) und PatuT (maligne)

Eine neue Krebsdiagnostikmethode zur Beurteilung der Malignität eines Tumors nutzt den Zusammenhang seiner strukturellen Komplexität mit Tumoraggressivität aus. Wir verwenden eine markerfreie kostengünstige Interferenzkontrastmikroskopiemethode, mit welcher Adhäsionstopologien und -konturen von Tumorzellen visualisiert werden können, und wenden Fraktalanalysen an um die Zellen zu klassifizieren und mögliche Aussagen über das Metastasierungspotential abzuleiten.

Tumordiagnostik
Die richtige Erkennung von Tumorzellen und deren Einstufung in ein „Grading System" stellen einen wichtigen Aspekt der Tumordiagnostik dar um einen erfolgversprechenden Therapieverlauf festzulegen. Die gängigen Standardverfahren zur Einschätzung der Malignität eines Tumors sind immunohistochemische Anfärbungen von Biopsieschnitten und Bestimmung der durchdrungenden inklusive Lymphknoten. Die Verfahren sind nicht nur sehr zeitintensiv und kostspielig, sondern oftmals nicht eindeutig, nicht standardisiert und das Metastasierungspotential und damit einhergehend die Güte der Prognose werden dabei nur indirekt bestimmt. Ein kleiner solider Tumor, welcher hoch aggressiv ist, kann daher fälschlicherweise als niedrig maligne eingestuft werden und die Patienten werden nicht optimal behandelt. Das Ziel ist es eine neue Methode zu entwickeln, welche auf Basis von automatisierter Bildererkennung standardisiert diagnostische und prognostische Werte einer Tumorerkrankung ermöglicht mit direkter Aussage über Metastasierungspotential und dabei ohne zusätzliche teure Bioreagenzien auskommt.

Was sind Fraktale
Die hier gezeigte Methode beruht auf der Fraktalanalyse von Adhäsionsbildern von Krebszellen. Als Fraktale werden Muster bezeichnet, welche sich auf verschiedenen Größenebenen wiederholen- man spricht von Selbstähnlichkeit und Maßstabunabhängigkeit. Je näher man in die Muster hineinzoomt, desto mehr Details lassen sich erkennen. Der Begriff „Fraktal" wurde von Benoit Mandelbrot in den 1960er geprägt, welcher zum Ausdruck bringt, dass diese Objekte komplexe geometrische Formen besitzen und nicht durch ganzzahlige Dimensionen beschrieben werden können.

Das prominenteste Beispiel eines Fraktals stammt aus seiner Publikation „How long is the coast of Great Britain?"[1]. Der Umriss einer Küstenlinie wird länger je kleiner das Maßband ist, mit welchem man misst. Die Fraktale Dimension (FD) beschreibt hierbei den Grad der Zerklüftetheit der Küste oder allgemein wie schnell strukturelle Details beim reinzoomen in das Muster zunehmen.

Der Zusammenhang zwischen fraktalen und geometrischen Dimensionen soll am Beispiel einer Linie, eines Quadrats und eines Kubus erklärt werden. Reduziert man die lineare Abmessungen der Objekte um den Skalierungsfaktor 1/r, verändern sich die Abmessungen- Länge, Fläche und Volumen- um das N=rD -fache der Originalgröße. Löst man diese Gleichung nach D auf, erhält man die verallgemeinerte Form der Dimension nach Hausdorff, für welche auch nicht ganzzahlige Werte möglich sind. Die gleiche Regel wird auch bei fraktalen Geometrien wie z.B. der Koch Kurve angewandt. Beim Messen der fraktalen Linie mit einem Maßband einer Länge und dem erneuten Messen mit einem Maßband mit dem Verkleinerungsfaktor 1/3 ist die Kurve jedoch nicht 3x so lang wie vorhin sondern 4x, d.h. N=4 und r=3. Die FD der Kochkurve ist demnach D=log(4)/log(3)=1,26 und besitzt flächenfüllenden Charakter. Bei natürlichen Fraktale muss die FD empirisch aus der Steigung der Regressionsgeraden aus einem log-log Plot der Anzahl der benötigten Maßbänder gegen die Größe des Maßbandes bestimmt werden. Beispiele für natürliche Fraktale sind Gebirgsketten, Schneeflocken, Romanesco Broccoli oder bei Lebewesen neuronale Netzwerke, Kapillarsysteme, Aufbau der Lungen und Blutgefäße- auch dynamische Prozesse können fraktale Strukturen aufweisen wie die Rhythmik des Herzschlags oder Blutdrucks.

Krebs und Fraktalität
Die Entstehung von Krebs kann als Abweichung von Gleichgewichtsstrukturen betrachtet werden, wodurch in dem System ein höheres Maß an Chaos und somit Komplexität generiert wird. Dies trifft zu auf Ebene der Tumormorphologie bis hinunter auf intrazelluläre Kompartimente wie dem Zellnukleus und korreliert mit der Aggressivität des Tumors [2]. Eine Vielzahl von zellulären Prozessen ist mit der Zelladhäsion verknüpft, daher ermöglicht eine Betrachtung der genauen Adhäsionsmuster bereits minimale Veränderungen durch eine Dysregulation zu quantifizieren. Außerdem ist bekannt, dass bei der Tumorprogression die Herunterregulierung von Zelladhäsionsproteinen zu Gunsten von migrationsförderden Proteinen wie z.B im Fall der epithelialen mesenchymalen Transition maßgeblich ist.

Zelladhäsionstopologien mittels RICM
Reflexionsinterferenzkontrastmikroskopie (RICM) bietet die einzigartige Möglichkeit Zelladhäsionstopographien ohne vorherige Markierung mit einer axialen Auflösungsgrenze von ca. 1 nm abzubilden. Des Weiteren erlaubt sie die Visualisierung von feinsten Zellkonturen. Der Kontrast des Bildes resultiert aus der Interferenz von polarisierten Licht, welches an den Grenzflächen Glas-Puffer und Puffer-Zellmembran reflektiert wird. Sowohl diese Zellrauigkeit als auch die Kontur sind Teil eines charakteristischen Fingerabdrucks der Zelle und besitzen fraktale Geometrien. Wir untersuchten erstmals die FD von Tumorzelllinien mittels RICM Bildern und konnten Tumorzelllinien unterschiedlich stark ausgeprägter Aggressivität, aber aus demselben Gewebe stammend, mittels der Merkmale Zelltopologie und -kontur identifizieren; die aggressivere Form hat stets eine höhere FD. Als Veranschaulichung der Genauigkeit der Methode seien die zwei Pankreas Geschwisterzelllinien PaTuS (benign) und PaTuT (maligne) genannt, bei welcher die Wahrscheinlichkeit die bösartige Form nicht zu erkennen bei nur 3% liegt und damit signifikant besser ist als aktuelle Standardmethoden [3].

Um die Zellidentifizierung und eine daraus abgeleitete Prognose zu präzisieren, werden weitere statische und dynamische Adhäsion-assoziierten Klassifizierungsparametern aus RICM Bildern hinzugezogen. Als nächsten Schritt möchten die Autoren mit primären Zellen aus Biopsieproben arbeiten und die Tumorgrading Daten mit den Ergebnissen aus einem Pathologielabor vergleichen und wenn möglich mit dem Gesundheitsverlauf der Patienten korrelieren. Langfristig möchten sie ein computerassistiertes Diagnostik System etablieren, in welchem die Fraktalanlyse von RICM Bildern als Hauptidentifzierungsmethode von Tumorzellen und zusätzlich als neuer prognostischer Biomarker für Metastasierungspotential fungiert.

Literatur
[1] Mandelbrot B. B.: Science, 156(3775), 636-638 (1967)
[2] Mashiah A. et al.: Acta Haematologica, 119(3), 142-150 (2008)
[3] Klein K. et al.: Nano Letters, 131001135851004 (2013)

 

Weitere Beiträge zum Thema: http://bit.ly/Krebsdiagnostik
Mehr Informationen zu Benoit Mandelbrot: http://bit.ly/BMandelbrot

 

Autor(en)

Kontaktieren

MPI für Intelligente Systeme
Heisenbergstr. 3
70569 Stuttgart
Germany

Jetzt registrieren!

Die neusten Informationen direkt per Newsletter.

To prevent automated spam submissions leave this field empty.