Diabetes – Bildgebung auf molekularer Ebene
Derzeit leiden weltweit mehr als 380 Mio. Menschen an Diabetes, und die Weltgesundheitsorganisation prognostiziert für die Zukunft einen 80 %igen Anstieg diabetesbedingter Todesfälle. Für die Behandlung von Diabetes werden jährlich 2,5 bis 15 % des nationalen Gesundheitsbudgets ausgegeben, was die enorme medizinische Herausforderung verdeutlicht. Vor allem muss geklärt werden, wie Diabetes entsteht, auch sind bessere prognostische und diagnostische Werkzeuge gefragt. Das EU-finanzierte Projekt BETATRAIN (European training network for excellence in molecular imaging in diabetes) sollte hierfür innovative komplementäre Bildgebungstechnologien validieren. So demonstrierte das Projekt, dass es möglich ist, Betazellen in vivo und in vitro zu beobachten, indem das Glucagon-like Peptid-1 (GLP-1) mittels Positronen-Emissions-Tomographie (PET) und Einzelphotonen-Emissions-Computertomographie (SPECT) sichtbar gemacht wird. Außerdem entwickelte man neue Kontrastmittel für MRT und Antikörper für die Fluoreszenzmikroskopie. Die Modalitäten für PET und SPECT wurden an Modellen transplantierter Inselzellen validiert, was neue Daten zur Betazellmasse und -funktion lieferte. Außerdem können die verwendeten Liganden als aussagefähige Diabetesbiomarker für die Betazellbildgebung fungieren. BETATRAIN vermittelte Nachwuchsforschern interdisziplinäres Know-how zu Diabetes und molekularer Bildgebung. Europäische Experten aus verschiedenen RP7-Projekten (BETAIMAGE, ENCITE, VIBRANT, IMIDIA, MADEIRA) forschten mit Schwerpunkt auf bildgebenden Methoden, wobei Diabetes dem Netzwerk die für Forschung und Ausbildung benötigten Daten lieferte. Für die Präzisionsmedizin bei Diabetes sind innovative Ansätze und vor allem sensible Bildgebungsmethoden gefragt, sodass BETATRAIN mit seinen Forschungen einen wesentlichen Beitrag zur patientenspezifischen Prävention, Diagnostik und Behandlung von Diabetes leistete.
Schlüsselbegriffe
Diabetes, Bildgebung, Betazellen des Pankreas, GLP-1, PET, SPECT, MRT, Biomarker
