Die Methode der photoakustischen Bildgebung, die auf der Erzeugung von Ultraschall durch Einstrahlung kurzer Laserpulse basiert, hat in den letzten 20 Jahren einen rasanten Aufschwung erlebt. Das Hauptziel dieser Methode ist der Blick in biologisches Gewebe, um scharfe Bilder von Gewebestrukturen, vor allem von Blutgefäßen und der darin enthaltenen Sauerstoffsättigung, zu gewinnen. Umsetzungen reichen von Mikroskopie oberflächennaher Bereiche mit Mikrometer-Auflösung bis zur Tomographie, die es ermöglicht, bis in einige Zentimeter Tiefe, trotz der diffusen Ausbreitung des Lichts, noch Strukturen mit sub-Millimeter Auflösung sichtbar zu machen. Inzwischen gibt es zahlreiche kommerzielle Geräte für die präklinische Forschung. Daneben wird zurzeit intensive Entwicklungsarbeit an Geräten für den klinischen Einsatz geleistet, wobei ein Hauptaugenmerk auf einem Tomographen für die Diagnostik von Brustkrebs liegt.
Die Photoakustik-Gruppe um Günther Paltauf und Robert Nuster, Teil der Arbeitsgruppe „Optik von Nano- und Quantenmaterialien“, forscht seit vielen Jahren an speziellen Methoden der Ultraschalldetektion und Bildrekonstruktion in der photoakustischen Tomographie und Mikroskopie. Einer Einladung des Editor-in-Chief der Zeitschrift „Journal of Applied Physics“ folgend, haben sie gemeinsam mit Martin Frenz von der Universität Bern einen Artikel mit dem Titel „Progress in biomedical photoacoustic imaging instrumentation towards clinical application“ (https://doi.org/10.1063/5.0028190) verfasst, in dem sie einen Überblick über neueste Entwicklungen von Instrumenten und Methoden der Bilderzeugung geben. Dieser Überblick wird gefolgt von einem Ausblick auf zukünftige Entwicklungsmöglichkeiten mit dem Ziel, die einzigartigen Eigenschaften der photoakustischen Bildgebung für die medizinische Diagnostik verfügbar zu machen. Dazu zählt die Verwendung von großen Ultraschall-Arrays zur parallelen Datenaufnahme, in der dreidimensionalen Echtzeit-Tomographie, die Miniaturisierung von endoskopischen Sonden, und die Verwendung von maschinellem Lernen bei der Datenverarbeitung.