Direkt zum Inhalt

Optical Biopsy of Sinonasal Tumors using Confocal Laser Endomicroscopy: A Clinical and Deep Learning-based Assessment and Visualization

Eckdaten
Projektstatus
aktiv
Projektlaufzeit
Projektbudget Gesamt
404.173,80 Euro
Fördersumme Hochschule
404.173,80 Euro
Projektpartner*innen
PD Dr. med. Miguel Gonçalves, Uniklinik Würzburg

Projektbeschreibung

In der onkologischen Chirurgie besteht das Hauptziel darin, den Tumor vollständig zu entfernen und dabei nur das minimal erforderliche Randgewebe mitzuresezieren, um eine lokale Kontrolle ohne Rückfälle zu gewährleisten, die Morbidität des Patienten zu minimieren und die Funktionalität zu erhalten. Besonders im Bereich des Kopf-Hals-Tumors, einschließlich Nasenhöhle, Nasennebenhöhlen und Schädelbasis, stellt dies eine Herausforderung dar, da die lokale Anatomie komplex und schwer zugänglich ist. Der Goldstandard für die Diagnose und das Management von Kopf-Hals-Tumoren ist die mikroskopische, histopathologische Untersuchung von formalin-fixierten und paraffineingebetteten Gewebeproben. In der intraoperativen Kontrolle werden oft Schnellschnittverfahren verwendet, die jedoch eine intensive Kommunikation zwischen Chirurgen und Pathologen erfordern und aufgrund anatomischer Besonderheiten eine begrenzte Genauigkeit aufweisen, insbesondere bei Tumoren in den Nasennebenhöhlen.

In diesem Zusammenhang bietet die konfokale Laserendomikroskopie (CLE) ein vielversprechendes Potenzial als "optische Biopsie" zur intraoperativen, in-vivo und nicht-invasiven Gewebeuntersuchung. Ziel dieses durch die Deutsche Forschungsgemeinschaft (DFG) geförderten Projekts ist es, die CLE-Diagnostik im Nasennebenhöhlenbereich weiterzuentwickeln, um eine präzisere, zuverlässigere und zugänglichere Diagnostik zu ermöglichen und so eine optimale Tumorentfernung zu unterstützen. Das Projekt wird zusammen mit dem Universitätsklinikum Würzburg (PD Dr. Miguel Gonçalves) durchgeführt. Hierzu verfolgen wir die folgenden Ziele:
 

  1. Erstellung einer CLE-Bilddatenbank: Sammlung und Bereitstellung einer offenen und kuratierten Datenbank von CLE-Bildern der Nasennebenhöhlen, die zur Ausbildung von Ärzten und zum Training von maschinellen Lernalgorithmen geeignet ist. Diese Datenbank umfasst entzündliche, benigne (z.B. invertierte Papillome) und maligne Tumorveränderungen sowie physiologische Schleimhaut.
  2. Optimierung klinischer Bewertungsparameter: Definition, Validierung und Verbesserung klinischer Parameter und Scoringsysteme zur Beurteilung von CLE-Videosequenzen auf Basis unserer gesammelten Daten.
  3. Automatische Detektionsmethoden: Entwicklung von Verfahren zur automatischen Erkennung und Klassifizierung der verschiedenen Veränderungen im Nasennebenhöhlenbereich anhand von CLE-Bildern, die eine klinisch anwendbare Genauigkeit und Robustheit erreichen.
  4. Detektion diagnostisch irrelevanter Bilder: Entwicklung von Methoden zur Erkennung diagnostisch uninformierter CLE-Bilder, um Klassifizierungsergebnisse vor der Visualisierung zu filtern.
  5. Virtuelle CLE-unterstützte Endoskopie: Erstellung eines Prototyps zur 3D-Visualisierung anatomisch zugeordneter, automatischer Tumoranalyseergebnisse als virtuelle CLE-unterstützte Endoskopie.

Mit diesem Ansatz möchten wir die CLE-Diagnostik in der Nasennebenhöhlenonkologie zugänglicher und präziser gestalten, um so die Tumordiagnostik und -behandlung zu verbessern und den Patienten eine bestmögliche Therapie zu ermöglichen.

Ziele
 

  • Automatische Detektion von Malignität in CLE-Bildern
  • Optimierung klinischer Bewertungsparameter
  • Virtuelle CLE-unterstützte Endoskopie

Förderung

Deutsche Forschungsgemeinschaft

Kontakt