Optische Biopsie zur Gewebediagnostik von Plattenepithelkarzinomen im oberen Aerodigestivtrakt mittels Konfokaler Laserendomikroskopie

• Antragsteller: Privatdozent Dr. Miguel Goncalves; Professor Dr.-Ing. Andreas Maier; Dr. Nicolai Oetter; Professor Dr. Florian Dominik Stelzle
• Fachliche Zuordnung: Hals-Nasen-Ohrenheilkunde, Phoniatrie und Audiologie ; Bild- und Sprachverarbeitung, Computergraphik und Visualisierung, Human Computer Interaction, Ubiquitous und Wearable Computing ; Zahnheilkunde; Mund-, Kiefer- und Gesichtschirurgie
• Förderung: Förderung von 2020 bis 2023
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 439264659

Das Plattenepithelkarzinom macht über 90 Prozent aller Krebsarten der Mundhöhle und des Rachenraumes sowie fast 100 Prozent aller Malignome des Kehlkopfs aus. Derzeit ist der diagnostische Goldstandard die invasive Gewebebiopsie mit anschließender histopathologischer Untersuchung. Eine nicht invasive Methode, die bereits erfolgreich zur visuellen Inspektion von suspekten Schleimhautläsionen auf mikroskopischer Ebene angewendet wurde, ist die konfokale Laser-Endomikroskopie (CLE). Bei diesem in vivo Bildgebungsverfahren wird Laserlicht auf das zu untersuchende Gewebe in einer ausgewählten Tiefe emittiert, wobei die reflektierte Fluoreszenz des Lichtes zur Detektion neu fokussiert wird. Fluorescein wird zuvor intravenös verabreicht und verteilt sich in allen Interzellularräumen, ohne durch die Zellmembranen zu diffundieren, wodurch eine Konturvisualisierung der einzelnen Zellen in Echtzeit ermöglicht wird. Die Beurteilung solcher CLE-Bilder ist stark von der Erfahrung des Untersuchers abhängig und zeigte in früheren Publikationen variable diagnostische Metriken. Dies motivierte unsere Gruppe, ein neues automatisches, objektives Analyseverfahren auf Grundlage des „Deep Learnings“ einzuführen.Mit Hilfe dieses Ansatzes konnte zwischen physiologischer Schleimhaut und Plattenepithelkarzinomenmit einer Genauigkeit von 88,3% differenziert werden. Zusätzlich konnte gezeigt werden, dass ein mit CLE-Bildern des Mundhöhlenepithels trainierter Algorithmus ebenso auf CLE-Bilder des Stimmlippenepithels erfolgreichen angewendet werden kann. Hier wurde eine noch höher Genauigkeit (89.45%) im Vergleich mit dem Goldstandard demonstriert. Diese Ergebnisse legen nahe, dass CLE-Bildgebungsdaten dieser beiden anatomischen Orte, dazu beitragen können, ein allgemeines Modell zur validen und automatischen Differenzierung zwischen physiologischem und karzinomatösem Plattenepithel zu etablieren. Auf Grund der ersten vielversprechenden Ergebnisse soll innerhalb der hier beantragten Förderperiode (24 Monate) der bisher begrenzte CLE-Datensatz durch weitere Untersuchungen des gesamten oberen Aerodigestivtraktes inkl. hier auftretender Pathologien erweitert werden. Mit Hilfe dieser Open-Access-Datenbank auf der Grundlage der anonymisierten Daten wird die Ausbildung von Ärzten, die Weiterentwicklung maschineller Lernalgorithmen (Deep Learning) sowie eine anschließende Validierung dieser Klassifikationssysteme ermöglicht. Im Rahmen des Projektes sollen hierbei unter anderem robuste Verfahren zur Detektion von Bildartefakten sowie zur Feinklassifikation verschiedener maligner und benigner Befunde vorgenommen werden.

• DFG-Verfahren: Sachbeihilfen