Personalisierte Kartierung der Körperhomöostase mit Ganzkörper-PET-Connectomics und routinemäßiger FDG-PET-Bildgebung

Warum Ganzkörperscans eine größere Geschichte erzählen können

Viele medizinische Scans werden wie Scheinwerfer eingesetzt, die nach offensichtlichen Problemstellen wie Tumoren suchen. Diese Studie stellt eine andere Frage: Kann ein routinemäßiger Ganzkörper-PET-Scan auch zeigen, wie alle unsere Organe als System zusammenarbeiten und wie dieses System bei chronischen Erkrankungen gestört ist? Die Autor:innen entwickeln eine Methode, um aus einem einzelnen Scan eine persönliche Karte der Organ-zu-Organ-Beziehungen zu erstellen und bieten so eine neue Perspektive auf Körpergleichgewicht und -zusammenbruch.

Von hellen Punkten zu körperweiten Mustern

Die Positronen-Emissions-Tomographie, kurz PET, zeigt, wo ein geringer Anteil eines radioaktiven Zuckers im Körper aufgenommen wird und macht sichtbar, wie aktiv verschiedene Gewebe sind. Traditionell konzentrieren sich Ärztinnen und Ärzte auf einige wenige heiße oder kalte Stellen: einen Tumor, eine entzündete Arterie, einen verdächtigen Lymphknoten. Chronische Erkrankungen verändern jedoch oft das gesamte Netzwerk von Organen, das den Körper im Gleichgewicht hält. Statt nur isolierte Regionen zu betrachten, behandeln die Forschenden den Körper als verbundenes System und fragen, wie Organe gemeinsam mit dem Tracer in routinemäßigen klinischen Scans umgehen.

Einen Scan in eine Netzwerk-Karte verwandeln

Um diese systemweite Sicht zu erzeugen, analysierte das Team routinemäßige PET-CT-Scans mit einem Standard-Zuckertracer. Mit einem automatisierten Werkzeug unterteilten sie jeden Scan in 13 große Organ- und Gewebegruppen, darunter Gehirn, Herz, Lunge, Leber, Nieren, Fett, Knochen und Muskeln. Anstatt jedes Organ mit einem einzigen Mittelwert zusammenzufassen, bewahrten sie das vollständige Aufnahme-Muster innerhalb des Organs und erfassten sowohl typische Aktivität als auch subtile Variationen. Anschließend maßen sie, wie ähnlich oder unterschiedlich diese Muster zwischen jedem Organpaar waren, und kombinierten diese Informationen zu einem Netzwerk beziehungsweise „Connectom“ für jede einzelne Patientin bzw. jeden Patienten. In diesem Netzwerk sind Organe Knoten und die Stärke ihrer metabolischen Beziehung erscheint als Verbindungen.

Test des Verfahrens an einer schweren Herz-Lungen-Erkrankung

Die Wissenschaftlerinnen und Wissenschaftler wandten ihr Rahmenwerk bei Menschen mit fortgeschrittener pulmonal arterieller Hypertonie an, einer seltenen Erkrankung, bei der sich die Blutgefäße der Lunge verengen und versteifen. Das belastet die rechte Herzhälfte stark und löst weitreichende Veränderungen im Körper aus. Sie verglichen 22 Betroffene mit 46 Personen, deren Scans normal aussahen und die zum Zeitpunkt der Untersuchung keine Anzeichen einer schweren Erkrankung hatten. Ein Machine-Learning-Modell, das nur auf diesen Organnetzwerken trainiert wurde, ohne zu wissen, welche Organe am wichtigsten sind, konnte Patientinnen und Patienten in etwa drei Vierteln der Fälle von Kontrollen unterscheiden. Die einflussreichsten Verbindungen betrafen die rechte Herzhälfte und ihre Verknüpfungen zu Knochen, dem übrigen Herzen, der Bauchspeicheldrüse, Leber, Milz, Nieren, Lunge und Muskeln — was das widerspiegelt, was bereits aus Jahrzehnten klinischer Forschung über diese Erkrankung bekannt ist.

Überprüfung, wie stabil die Karten wirklich sind

Da PET-Bilder an Organrändern etwas unscharf sind, prüfte das Team, ob kleine Fehler bei der Segmentierung der Organe irreführende Muster erzeugen könnten. Sie verfälschten absichtlich die Grenzen zwischen benachbarten Geweben und bauten die Organnetzwerke unter moderater und starker Verzerrung neu auf. Die Gesamtform des Netzwerks und, entscheidend, das starke Rechtsherz-Signal blieben weitgehend unverändert, und einfache statistische Modelle trennten Patientinnen und Patienten weiterhin mit ähnlicher Genauigkeit von gesunden Personen. Das deutet darauf hin, dass die Methode echte physiologische Unterschiede erfasst und nicht fragile Artefakte der Bildverarbeitung.

Was das für die künftige Versorgung bedeuten könnte

Indem persönliche „Verbindungskarten“ aus einem einzigen routinemäßigen PET-Scan extrahiert werden, weist diese Arbeit auf eine neue Art hin, medizinische Bilder zu lesen. Anstatt nur zu fragen, wo sich eine Erkrankung befindet, könnten Klinikerinnen und Kliniker auch fragen, wie Krankheit die Koordination der Organe im ganzen Körper stört. Bei Erkrankungen wie der pulmonal arteriellen Hypertonie wird das veränderte Netzwerk rund um das rechte Herz zum Fingerabdruck gestörter Körperregulation. Mit weiterer Validierung in größeren und vielfältigeren Gruppen könnten ähnliche Karten helfen nachzuverfolgen, wie chronische Erkrankungen ihren Einfluss durch den Körper ausbreiten, und eines Tages eine gezieltere Überwachung und Behandlung ermöglichen.

Zitation: Labarthe, A., Varet, S., Savale, L. et al. Personalized mapping of body homeostasis using whole-body PET connectomics and routine FDG PET imaging. Commun Med 6, 294 (2026). https://doi.org/10.1038/s43856-026-01549-y

Schlüsselwörter: PET-Bildgebung, Organnetzwerke, pulmonal arterielle Hypertonie, metabolische Homöostase, Präzisionsmedizin