3D-bioprintete Magenkrebsmodelle sagen Chemotherapieansprechen mit hoher Genauigkeit voraus

Magenkrebs (GC) ist weltweit die fünfthäufigste Krebserkrankung und eine der führenden Ursachen krebsbedingter Todesfälle. Eine zentrale klinische Herausforderung besteht darin, dass 68,3 % der fortgeschrittenen Fälle innerhalb von 12 Monaten eine Resistenz gegenüber platinbasierter Chemotherapie entwickeln, was maßgeblich durch ausgeprägte inter- und intratumorale Heterogenität bedingt ist. Bestehende präklinische Modelle — traditionelle 2D-Zellkulturen, patientenabgeleitete Organoide (PDOs) und patientenabgeleitete Xenografts (PDXs) — weisen jeweils erhebliche Nachteile auf: 2D-Kulturen erfassen die Komplexität der extrazellulären Matrix (ECM) nicht, PDOs leiden unter chargenabhängiger Variabilität von Matrigel und Inkonsistenzen bei der manuellen Applikation, und PDX-Modelle sind kostspielig, zeitaufwändig und erfordern immungeschwächte Mäuse. Diese Studie zielte darauf ab, diese Hürden mithilfe von photopolymerisierungsbasiertem 3D-Biodruck patientenabgeleiteter GC-Zellen zu überwinden.

Das Forschungsteam entnahm chirurgisches Gewebe von 40 GC-Patienten, die sich einer Gastrektomie unterzogen, und konstruierte erfolgreich 3DP-GC-Modelle in 33 Fällen — mit einer Gesamterfolgsrate von 82,5 %. Die Biotintenformulierung wurde durch systematische rheologische Tests verschiedener Hydrogelsysteme optimiert und ergab schließlich eine Kombination aus 6,25 % GelMA und 0,5 % HAMA. Diese Kombination zeigte überlegenes Scherverdünnungsverhalten (Viskositätsabfall bei steigender Scherrate von 0,1 bis 100 s⁻¹), geeignete Speicher- und Verlustmoduli sowie eine verbesserte elastische Erholung im Vergleich zu reinen GelMA-Systemen. Kryogene Rasterelektronenmikroskopie bestätigte ein dicht vernetztes poröses Netzwerk innerhalb der Hydrogelarchitektur, das die Oberfläche und Nährstofftransportkanäle bereitstellt, die für eine anhaltende Tumorzellproliferation erforderlich sind.

Bis zum 10. Tag nach dem Druck zeigte die Hellfeld-Mikroskopie, dass die 3DP-GC-Modelle histologische Subtypen rekapitulierten: Tumoren des intestinalen Typs bildeten knospungsartige Drüsenstrukturen mit muzinösen Eigenschaften, während Tumoren des diffusen Typs als isolierte Zellen oder locker zusammenhängende Cluster ohne Drüsenlumenbildung wuchsen — und damit ihrer In-vivo-Pathologie entsprachen. Histopathologische und genomische Analysen bestätigten, dass die Modelle die Biomarker-Expressionsmuster und charakteristischen Mutationsprofile des Ausgangstumors bewahrten, was ihre Verlässlichkeit als präklinische Surrogate validiert.

Die Arzneimittelempfindlichkeitstestung wurde anhand standardisierter klinischer GC-Chemotherapieschemata durchgeführt. Eine retrospektive Analyse umfasste 12 Patienten, die vor der Operation eine neoadjuvante Chemotherapie (NAC) erhalten hatten; ihre Arzneimittelantworten im 3DP-GC-Modell wurden mit den dokumentierten klinischen Verläufen verglichen. Darüber hinaus wurden 8 Patienten, die postoperativ eine adjuvante Chemotherapie (AC) erhielten, prospektiv nachverfolgt. Es wurde eine signifikante Korrelation zwischen der Arzneimittelempfindlichkeit auf der 3DP-GC-Plattform und der tatsächlichen klinischen Chemotherapiewirksamkeit bei den entsprechenden Patienten beobachtet. Die Zellviabilität blieb während der gesamten Kulturdauer über 85 %, was ein zuverlässiges Multi-Wirkstoff-Screening innerhalb von etwa einer Woche ermöglicht.

Die praktischen Vorteile der 3DP-GC-Plattform sind erheblich. Automatisierter, computergestützter Biodruck eliminierte die chargenabhängige manuelle Variabilität, die PDO-Ansätze beeinträchtigt, während die Bearbeitungszeit von etwa einer Woche und die geringeren Kosten pro Probe diese Plattform für die klinische Entscheidungsfindung in der Praxis praktikabel machen. Die Autoren schlagen vor, dass dieses System das Hochdurchsatz-Wirkstoffscreening und die personalisierte Therapieauswahl für GC-Patienten vor Beginn einer systemischen Therapie leiten könnte. Zu den wesentlichen Einschränkungen zählen der retrospektive Charakter der NAC-Analyse, die geringe Patientenkohorte (n=33) und der vergleichsweise kurze Nachbeobachtungszeitraum, sodass größere prospektive Studien erforderlich sein werden, um den klinischen Nutzen abschließend zu belegen.