QTIME - Quantitatives 7T MRSI in Tumoren
QTIME - Quantitative metabolic 7T imaging of tumours
Wissenschaftsdisziplinen
Chemie (25%); Klinische Medizin (75%)
Keywords
-
7T,
MRSI,
Mass Spectrometry,
Neurosurgery,
Gliomas,
Oncometabolism
Lokale Mutationen von Hirntumorzellen sind im letzten Jahrzehnt für die Klassifizierung verschiedener Tumortypen immer wichtiger geworden. Es ist bekannt, dass diese Mutationen und die sich daraus ergebenden Veränderungen in der Tumorbiochemie und insbesondere im Stoffwechsel zeitlich und räumlich innerhalb eines Tumors variieren. Es wird vermutet, dass diese Veränderungen auch für die Ausbreitung von Tumoren im Gehirn, die schließlich zum Tod führt, von Bedeutung sind. Unser Team hat eine neue Methode zur hochauflösenden Darstellung von Metaboliten im Gehirn mit der 7T-Magnetresonanzspektroskopischer Bildgebung (MRSI) entwickelt. Sie kann räumliche und biochemische Variationen des Tumorstoffwechsels aufzeigen, ist aber derzeit noch begrenzt, da sie die Menge der Tumormetaboliten nicht direkt nachweisen kann und noch nicht durch Methoden verifiziert wurde, die diese Mengen genau bestimmen können. Das vorliegende Projekt wird diese Einschränkungen lösen. Wir wollen die Kartierung der Wasserkonzentrationen in Hirntumoren in unsere Messungen einbeziehen, wodurch wir auch die Konzentrationen von Tumormetaboliten berechnen können. Anhanddieser KonzentrationskartenwerdenwirZiel-Volumina definieren, aus denen NeurochirurgInnen während der Operation Proben entnehmen. Diese Proben werden für die chemische Analyse mittels Massenspektrometrie tiefgefroren. Diese Messungen werden es uns ermöglichen, unsere 7T-MRSI-Konzentrationsscans zu bestätigen und anzupassen. Insgesamt werden unsere Ergebnisse es uns ermöglichen, eine Datenbank für messbaren Tumorstoffwechsel zu erstellen, die wir nutzen können, um neue Forschungsfragen für zukünftige Studien zu finden. Quantitatives 7T-MRSI von Hirntumoren ist bisher nicht möglich. Nachdem wir unsere Methode mit Massenspektroskopie überprüft haben, kann sie weitaus besser für Anwendungen in der nicht- invasiven Diagnostik und Behandlungsplanung getestet werden. Mit individuellen Stoffwechseldaten über einen Hirntumor könnte die resultierende Präzisionsmedizin zu einem längeren und besseren Überleben für PatientInnen führen.
- Universität Wien - 32%
- Medizinische Universität Wien - 68%
- Daniela Lötsch-Gojo, Medizinische Universität Wien , nationale:r Kooperationspartner:in
- Georg Widhalm, Medizinische Universität Wien , ehemalige:r Projektleiter:in
- Georg Widhalm, Medizinische Universität Wien , nationale:r Kooperationspartner:in
- Gilbert Hangel, Medizinische Universität Wien , ehemalige:r Projektleiter:in
- Siegfried Trattnig, Medizinische Universität Wien , nationale:r Kooperationspartner:in
- Wolfgang Bogner, Medizinische Universität Wien , nationale:r Kooperationspartner:in
- Gunda Köllensperger, Universität Wien , assoziierte:r Forschungspartner:in
- Barbara Dymerska, University College London - Vereinigtes Königreich
- Martina Callaghan, University College London - Vereinigtes Königreich