Magnetisch gesteuerte Roboter zur Behandlung von Thrombosen: ein Durchbruch

Neues Modell magnetisch gesteuerter Roboter könnte Thrombose behandeln

Kanadische Ingenieure haben weiche mikrochirurgische Roboter entwickelt, die von einem externen Magneten und Deep-Learning-Algorithmen gesteuert werden. Die Technologie demonstrierte eine hohe Navigationsgenauigkeit in einer flüssigen Umgebung, die den Blutfluss simuliert, und könnte die Behandlung tiefer Gefäßthrombosen revolutionieren.

---

792-fache Beschleunigung und 77 % Einsparung: Warum Concordias weiche Roboter die erste echte Alternative zu Kathetern seit 20 Jahren sind

[Das Wesentliche]: Was wirklich passiert

Am 25. und 26. Mai 2026 veröffentlichte eine Gruppe von Forschern der Concordia University unter der Leitung von Professor Ramin Sedaghati und seinem Doktoranden Alireza Moezi in der Zeitschrift Smart Materials and Structures eine Technologie, die sich wie Science-Fiction liest: weiche Roboter im Millimeterbereich mit magnetischer Steuerung und KI-Navigation zur Entfernung von Blutgerinnseln. Die Medien werden schreiben: „77 % weniger Aufwand“, „Revolution in der Thrombosebehandlung“. Aber ich sage Ihnen, was wirklich passiert.

77 % bezieht sich nicht auf den Komfort des Chirurgen. Es geht um einen grundlegenden Paradigmenwechsel in der Steuerung: Das System verwendet erstmals eine Regelung mit geschlossenem Regelkreis und Echtzeit-Feedback zur Position des Roboters, die die Blutbewegung kompensiert. Die meisten bestehenden Magnetsysteme arbeiten im Open-Loop-Modus – der Chirurg gibt die Richtung des Magnetfelds vor und hofft, dass der Roboter dorthin schwimmt. Concordias System verfolgt die Position des Roboters kontinuierlich über Hochgeschwindigkeitskameras, leitet die Daten durch ein Deep-Learning-Modell und passt das Magnetfeld an.

Insider-Info, die man Ihnen nicht sagt: In Moezis Dissertation, die am 23. Januar 2026 verteidigt wurde, gibt es eine Zahl, die wichtiger ist als 77 % – die 792-fache Beschleunigung der Berechnung im Vergleich zu herkömmlichen Finite-Elemente-Methoden. Ihr reduziertes Modell sagt die Verformung des Roboters mit nur 1–3 % Fehler voraus, läuft aber 792-mal schneller. Das macht das Feedback praktisch augenblicklich.

Zeitplan und Kontext

Das Rennen um die Entwicklung magnetisch gesteuerter Mikroroboter läuft seit zwei Jahrzehnten, aber Concordia hat etwas anders gemacht:

• 23. Januar 2026 – Verteidigung der Doktorarbeit von Alireza Moezi, die die gesamte Systemarchitektur beschreibt: von Verbundwerkstoffen bis zur KI-gesteuerten Regelung.
• 22. Januar 2026 – Veröffentlichung in Smart Materials and Structures, die die FFPID-Regelungsstrategie mit Deep-Learning-Vorhersage des Magnetfelds vorstellt.
• 25.–26. Mai 2026 – Pressemitteilung von Concordia, die sich in den globalen Medien verbreitete.

Was diese Arbeit auszeichnet: Sie haben einen funktionsfähigen Prototyp einer Zweiarm-Roboterplattform mit Stereovision, nicht nur ein theoretisches Modell. Das System verwendet einen sechsachsigen Roboterarm mit einem Permanentmagneten an der Spitze, der im Raum mit Millimetergenauigkeit positioniert wird. Der Roboter wird an der Spitze eines Standardkatheters befestigt; der Chirurg führt ihn in das Gefäß ein, und dann steuert der Magnet die Ablenkung der Spitze, sodass sie sich durch gewundene Pfade bewegen kann, die für starre Instrumente unzugänglich sind.

Wer gewinnt und wer verliert

Gewinner:

• Ramin Sedaghati und Alireza Moezi (Concordia University) – Moezi hat gerade seine Dissertation verteidigt und ist bereits Postdoktorand an der McGill University. Seine Dissertation wird bereits in führenden Ingenieurzeitschriften zitiert. Nächster Schritt: ein Spin-off-Unternehmen und eine Seed-Finanzierungsrunde. Technologiebewertung in der Pre-Seed-Phase: 15–25 Millionen US-Dollar.

• Johnson & Johnson (Cerenovus) und Medtronic – Derzeitige Marktführer im Bereich neurovaskulärer Geräte (Aspirationskatheter, Stent-Retriever) mit einem Gesamtmarktvolumen von etwa 3,2 Milliarden US-Dollar bis 2028. Diese Unternehmen werden die ersten sein, die die Technologie lizenzieren. Für Medtronic, dessen Abteilung für neurovaskuläre Interventionen Milliarden umsetzt, ist die Integration von KI-Navigation eine Frage von 12–18 Monaten.

• Patienten mit schwer zu entfernenden Gerinnseln – Distale Segmente der Arteria cerebri media, Arteria basilaris. Heutige Katheter erreichen sie nur mit großer Mühe, aber ein weicher Roboter kann dorthin gelangen, wo starre Werkzeuge nicht hinkommen.

• NSERC und FRQNT – Kanadische Wissenschaftsfonds, die die Forschung finanziert haben, werden ihren Anteil am Ruhm als „Investoren in einen Durchbruch“ erhalten.

Verlierer:

• Stryker (Neuroform Athena) – Ihre Stent-Retriever-Plattform ist gerade mit Hunderten Millionen an F&E-Investitionen auf den Markt gekommen. Wenn sich die magnetische Robotertechnologie als klinisch wirksam erweist, wird Stryker aufholen müssen.

• Traditionelle Katheterhersteller (Teleflex, Boston Scientific) – Ihr Geschäftsmodell basiert auf Einwegartikeln, die 500–2000 US-Dollar pro Stück kosten. Magnetische Roboter sind potenziell wiederverwendbar.

• Chirurgen mit einzigartigen Fähigkeiten – Ein Teil der Verfahrenskosten ist heute die „Handarbeit“ von Spitzenchirurgen. Automatisierung wird die Einstiegshürde senken, aber die Prämie für seltene Fähigkeiten entfernen.

Was die Medien nicht sagen

Erstens und am wichtigsten: Alle Arbeiten wurden in vitro durchgeführt – in transparenten Flüssigkeitskanälen, die Gefäße simulieren. Ein echtes Gehirn ist nicht transparent. Blut ist undurchsichtig. Ultraschall- oder Röntgenbildgebung (die einzigen Optionen in vivo) haben eine viel geringere Auflösung als Hochgeschwindigkeitskameras im Labor. Wird das Deep-Learning-Modell die Form des Roboters auf fluoroskopischen Bildern genauso gut erkennen? Das ist eine große offene Frage, die Jahre der Forschung erfordern wird.

Zweitens – eine nicht offensichtliche Erkenntnis: Moezis Dissertation besagt, dass das Steuerungssystem auf einem Deep-Reinforcement-Learning-Fractional-Order-Sliding-Mode-Controller basiert. Dies ist ein extrem komplexer Algorithmus, der enorme Rechenressourcen für das Training erfordert. Jedes Mal, wenn sich die Gefäßgeometrie ändert (und Patienten sind alle unterschiedlich), muss das Modell möglicherweise neu trainiert werden. Bisher wurde das Training an 3D-gedruckten Gefäßphantomen durchgeführt. Die Frage der Anpassung an die reale Anatomie bleibt offen.

Drittens: Die Zahl „77 % weniger Aufwand“ stammt aus der Pressemitteilung. Die ursprüngliche Dissertation nennt bescheidenere Zahlen: Reduzierung des Nachführfehlers um 40–90 % je nach Strömungsbedingungen und in einigen Experimenten bis zu 75 %. Das ist immer noch beeindruckend, aber übertreiben wir nicht. Außerdem beziehen sich die 77 % auf die Aufwandsersparnis bei der Positionierung, nicht auf die Reduzierung der Gesamtverfahrenszeit.

Viertens: Die Finanzierung erfolgte durch NSERC und FRQNT – kanadische Regierungsfonds. Kein einziger Dollar von einem Hersteller medizinischer Geräte. Dies ist ein reines akademisches Projekt. Ohne einen kommerziellen Partner wird der Weg zur Klinik 7–10 Jahre dauern. Angesichts der Tatsache, dass es mindestens eine weitere parallele Entwicklung gibt – eine 4D-rekonfigurierbare vaskuläre Tunnelierungsmaschine von Nature Communications (veröffentlicht am 21. Mai 2026) und Hydrogel-Mikroroboter HydroBots der ETH Zürich (in vivo bei Schweinen, März 2026) – bildet sich die Wettbewerbslandschaft bereits.

Fünftens – eine Insider-Erkenntnis: Moezi verteidigte seine Dissertation am 23. Januar 2026. Die Pressemitteilung kam am 25. Mai heraus – vier Monate später. Das bedeutet, dass das Team diese Zeit mit Patentierung und Verhandlungen mit dem Technology Transfer Office von Concordia verbracht hat. Ein Patentantrag wurde bereits eingereicht oder wird in diesen Wochen eingereicht. Das Patent wird die Kombination aus „magnetoaktiver weicher Roboter + Deep-Learning-basierte visuelle Erkennung + Regelung mit geschlossenem Regelkreis“ abdecken. Dies ist ein kritisch wichtiges Asset, das bestimmen wird, wer Lizenzgebühren aus der Kommerzialisierung erhält.

Prognose: Nächste 30 Tage und 90 Tage

Nächste 30 Tage (bis Ende Juni 2026):

• Offizielle Bekanntgabe der Patentanmeldung über das Technology Transfer Office von Concordia. Das Patent wird beim USPTO und wahrscheinlich beim Europäischen Patentamt eingereicht.
• Mindestens 2–3 Risikokapitalfirmen aus dem Silicon Valley (ich vermute SOSV, The Engine oder Khosla Ventures) werden Sedaghati und Moezi kontaktieren. Erste Gespräche über die Gründung eines Spin-off-Unternehmens werden innerhalb von 30 Tagen beginnen.

Nächste 90 Tage (bis Ende August 2026):

• Eine In-vivo-Studie an großen Tieren (Schweinen oder Schafen) wird angekündigt. Dies ist ein notwendiger Schritt für jeden FDA-Antrag auf Prüfgerätebefreiung (IDE). Meiner Einschätzung nach führt Concordia bereits Gespräche mit dem Forschungszentrum des Universitätskrankenhauses Montreal (CRCHUM), um solche Tests durchzuführen.
• IOP Science (Herausgeber von Smart Materials and Structures) wird den Artikel in die Rubrik „Editor's Choice“ aufnehmen, da er zu den meistzitierten Werken des Jahres 2026 gehört. Die Zitationen im ersten Jahr werden 50–100 übersteigen, was für eine Ingenieurzeitschrift hervorragend ist.
• Der erste Analystenbericht von Evaluate MedTech oder Frost & Sullivan wird erscheinen und die Technologie als „potenziellen Game-Changer für den Markt für neurovaskuläre Geräte, der bis 2028 auf 3,2 Milliarden US-Dollar geschätzt wird“, bezeichnen.

Langfristige Prognose (12–24 Monate):

• Gründung eines Spin-off-Unternehmens (vorläufiger Name „MagnetRobotics“ oder „SoftNavigator“) und eine Seed-Finanzierungsrunde von 5–10 Millionen US-Dollar.
• Die FDA könnte auf der Grundlage vorläufiger In-vivo-Daten den Status „Breakthrough Device Designation“ verleihen. Dies würde den Weg zur Klinik um 1–2 Jahre verkürzen.
• Früheste FDA-Zulassung: 2030–2032, und das unter idealen Bedingungen. Weg: in vivo (2026–2027), IDE (2027), Pilotstudie (2028), entscheidende Phase-3-Studie (2029–2031).

Fazit: Concordias Arbeit ist nicht nur „ein weiterer magnetischer Roboter“. Es ist das erste Mal, dass weiche Robotik, KI und Regelung mit geschlossenem Regelkreis in einem einzigen System mit Potenzial für eine echte klinische Anwendung kombiniert wurden. Was als Doktorarbeit eines iranisch-kanadischen Studenten begann, könnte zur Grundlage für eine ganze neue Klasse medizinischer Geräte werden – nicht nur für die Thrombektomie, sondern auch für die Biopsie tiefer Gewebe, die Medikamentenabgabe an schwer zugängliche Tumore und möglicherweise die fötale Chirurgie.

Behalten Sie Alireza Moezi im Auge. Er hat gerade seine Dissertation verteidigt, aber seine Arbeit wird bereits als einer der bedeutendsten Durchbrüche in der medizinischen Robotik des Jahres 2026 zitiert. Diese Person könnte definieren, wie Neurochirurgie im Jahr 2035 aussieht.

— Editorial Team