Intraoperative Histologie durch NIO-Laserimaging

Der chirurgischen Behandlung von Hirntumoren werden zwei wichtige Aufgaben zugeschrieben. Zum einen ist es Aufgabe der Neurochirurgie, diagnostisches Gewebe mittels stereotaktischer/offener Biopsie bzw. Resektion zu entnehmen, um dieses der detaillierten Gewebediagnostik an der Neuropathologie zuführen zu können und somit eine adäquate weiterführende Behandlung einleiten zu können. Zum anderen ist, sofern eine Tumorresektion indiziert ist, eine maximale sichere chirurgische Entfernung entscheidend für die Prognose der Patient*innen. In diesem Sinne wird während dieser Eingriffe meist ein Gewebestück entnommen und als sog. „Schnellschnitt“ an die Neuropathologie gesendet, um basierend auf Informationen zu Tumorentität und -grad die chirurgische Strategie gegebenenfalls bereits intraoperativ anzupassen. Die Verwendung der klassischen Schnellschnitt-Technik ist jedoch zeitintensiv da sie Transport, Aufbereitung, Schnitt und Färbung des Gewebes beinhaltet, bis eine neuropathologische Begutachtung erfolgen kann. Dieser Vorgang dauert im internationalen Vergleich ca. 30 min und kann somit zu Wartezeiten während der Operation führen.

Vor diesem Hintergrund wurde eine neuartige Lasertechnik entwickelt, um die intraoperative Gewebediagnostik zu optimieren.¹ Mittels des NIO-Laserimaging-Systems, das auf der Stimulated Raman Histology (SRH)-Technik basiert, ist es möglich, anhand von unbehandelten Gewebeproben direkt im Operationssaal innerhalb von 3–5 min digitale, hochauflösende Bilder, vergleichbar mit konventionellen histopathologischen Bildern, herzustellen.¹ Die SRH-Bilder können anschließend sofort an die Neuropathologie zur Befundung geschickt werden. Rezente Studien konnten zeigen, dass SRH-Bilder für die Verwendung des intraoperativen Schnellschnitts dem traditionellen H&E-Schnitt qualitativ ebenbürtig sind.^1–3 Ein großer Vorteil dieser Technik – neben der rascheren Verfügbarkeit der digitalen Histobilder – ist, dass das gescannte Gewebe 1:1 für weitere Routinediagnostik zur Verfügung steht. Rezent konnten erste Studien ebenfalls zeigen, dass Machine-Learning-Algorithmen fähig sind, basierend auf SRH-Bildern die häufigsten Hirntumorarten sowie auch wichtige molekulare Marker in nahezu Echtzeit und mit hoher Präzision zu erkennen.^{3, 4} Seit 2023 ist das NIO-Laserimaging-System an der Universitätsklinik für Neurochirurgie der Meduni Wien verfügbar und wird seither in enger Zusammenarbeit mit der Abteilung für Neuropathologie bei Hirntumoroperationen eingesetzt.