Er zijn tekorten aan levensreddende orgaandonoren. Om dit aan te pakken werken onderzoekers aan het 3D-bioprinten van (stukken van) organen die bepaalde functies in het lichaam over kunnen nemen. De grote uitdaging hierbij is om de cellen in het geprinte weefsel in leven te houden en de juiste functionaliteit mee te geven. 3D-bioprinters maken hiervoor gebruik van een bioinkt, doorgaans een hydrogel met cellen waarin stoffen zitten die het lichaam accepteert. Door de gel uit te harden in de gewenste structuur komen cellen zo op een vaste plaats te zitten. Maar het bepalen van die plaats en het laten aansluiten van daaropvolgende lagen weefsel vereist veel complex hand- en maatwerk.

Nu hebben onderzoekers van de Universiteit Utrecht een nieuwe methode ontwikkeld die 3D-bioprinters tijdens het printen stap voor stap mee laat kijken. Promovendus Sammy Florczak ontwikkelde de techniek, Generative, Adaptive, Context-Aware 3D Printing (GRACE). GRACE zet lasers en kunstmatige intelligentie (AI) in om te bepalen welke cellen in de geprinte inkt zitten en waar die zich bevinden. Biomedisch ingenieur Riccardo Levato van de Universiteit Utrecht leidde het onderzoek: ‘GRACE neemt een deel van het werk uit onze handen door ontwerpen te genereren die beter zijn dan wij kunnen bedenken.’

Optimale bloedvaten

Waar traditionele 3D-printers vaak laag-voor-laag printen, maakt Levato met zijn team gebruik van volumetrisch bioprinten. Met deze techniek kunnen de onderzoekers hele structuren in seconden opbouwen. Dat doen ze door een reeks 2D-lichtprojecties op een ronddraaiend buisje met cellen in een lichtgevoelige gel te projecteren. Overal waar het licht samenkomt, hardt de gel uit en zet het de cellen vast. Het resultaat: 3D mini-weefsels.

Een van de grootste uitdagingen in 3D-bioprinten is het accuraat printen van bloedvaten. Die zijn nodig om zuurstof en voedingsstoffen naar de cellen te brengen. Maar omdat huidige printmethoden gebruik maken van een vooraf bepaald 3D-ontwerp is de juiste plaatsing van bloedvaten lastig. ‘Het blijft onduidelijk waar de cellen zich uiteindelijk precies in de gel zullen bevinden’, zegt Levato. ‘Daardoor komen sommige cellen ver van de bloedvaten af te zitten en anderen dichtbij. GRACE kan zien waar de cellen zitten en ontwerpt vervolgens bloedvaten op een manier dat alle cellen op niet meer dan 200 micrometer afstand van een bloedvat komen te liggen en zo voldoende zuurstof en voedingsstoffen krijgen.’

Ook kan de technologie meerdere printstappen op elkaar laten aansluiten. Zo weet GRACE automatisch het oppervlak van een geprint stuk botweefsel te scannen en hier een perfect passende laag kraakbeen overheen te printen. Verder herkent het ondoorzichtige structuren die geen licht doorlaten, en genereert het vervolgens een ontwerp dat hier rekening mee houdt. Levato: ‘Zo hebben we met GRACE cellen geprint doorheen een stent, een poreus ondoorzichtig buisje voor hartingrepen.’

Virtuele kaart

De bioprinter ‘kijkt’ met behulp van light sheet imaging. Levato: ‘We scannen het ronddraaiende buisje met bioinkt door er een dun vlak van licht doorheen te schijnen. Hiermee maakt de printer een virtuele kaart van alles wat zich in het buisje bevindt.’ Door de cellen bijvoorbeeld fluorescent te maken, kan GRACE met het lichtvlak detecteren waar de cellen zich precies bevinden.

Dat deze virtuele kaart aanzienlijke voordelen biedt, toonden de onderzoekers aan door pancreascellen te printen met omringende bloedvaten. Ze lieten GRACE een geoptimaliseerd netwerk van bloedvaten ontwerpen en printen en vergeleken dit vervolgens met een willekeurig geprint netwerk dat vergelijkbare oppervlakte en diffusie-eigenschappen had. Het resultaat: de pancreascellen in het geoptimaliseerde netwerk maakten meer insuline aan. Levato: ‘Dat is precies waar zo’n geprinte structuur voor bedoeld is.’

Slimme baby

Als volgende stap willen de onderzoekers de resolutie verbeteren om enkele cellen zichtbaar te maken. ‘Momenteel heeft onze techniek een resolutie van 14 micrometer, waardoor we enkel groepjes cellen kunnen herkennen.’

Ook hopen de onderzoekers GRACE zelfstandig te maken. Hoewel de techniek al gebruik maakt van enkele AI-algoritmen, komt er namelijk nog geen machinelearning aan te pas. ‘In dit onderzoek hebben we GRACE zelf regels aan moeten reiken, zoals de vereiste afstand tussen cellen en bloedvaten en het aantal uiteindes dat we voor bloedvaten wilden. Nu willen we de techniek laten leren van verschillende netwerken, maar dat zal veel gegevens en training vereisen. Wat dat betreft is GRACE nu nog een slimme baby, waar we een slimme volwassene van willen maken.’

Florczak, S. et al. (2025) Nature 645, DOI: 10.1038/s41586-025-09436-7