Wo endet der Tumor? Wie KI helfen kann, Tumorgewebe im OP-Kontext besser sichtbar zu machen

Wenn jeder Millimeter zählt

Zwar soll das kranke Gewebe möglichst vollständig entfernt werden. Gleichzeitig muss gesundes Gewebe geschont bleiben. Wenn Tumorgewebe zurückbleibt, kann dieses wieder wachsen. Was zu viel entfernt wird, kann Funktionen beeinträchtigen, die für Patientinnen und Patienten zentral sind: Sehen, Riechen, Atmen, Schlucken, Sprechen.

In dieser Spannung entsteht eine Frage, die für Chirurginnen und Chirurgen zentral ist: Wo endet der Tumor?

Vor einer Operation liefern CT- und MRT-Aufnahmen wichtige Informationen: Wo sitzt der Tumor? Wie groß ist er? Welche Strukturen sind betroffen? Doch während des Eingriffs bleibt die Grenze zwischen krankem und gesundem Gewebe nicht immer eindeutig.

Die Grenze ist nicht immer sichtbar

Tumorgewebe hält sich nicht an klare Linien. Es kann sich unregelmäßig ausbreiten, in Schleimhaut übergehen, an schwer einsehbaren Stellen liegen oder dicht an empfindlichen Strukturen wachsen. Je schwieriger diese Grenze zu erkennen ist, desto anspruchsvoller wird die Entscheidung, wie weit entfernt werden kann und wo Vorsicht geboten ist.

„Die Schwierigkeit ist nicht nur, den Tumor zu finden“, erläutert Gonçalves. „Die Schwierigkeit ist, seine Grenzen sicher einzuschätzen. Gerade dort, wo die Anatomie eng und empfindlich ist, hat diese Einschätzung unmittelbare Folgen.“

In der onkologischen Chirurgie gibt es Verfahren, um Gewebe während einer Operation zu prüfen. Dazu gehören etwa Schnellschnitte, bei denen entnommenes Gewebe pathologisch untersucht wird. Solche Verfahren sind wertvoll, brauchen aber Zeit, Abstimmung und eine genaue Zuordnung der Probe zur Stelle im Operationsgebiet. In komplexen anatomischen Regionen ist genau das nicht trivial.

Ein weiterer Blick ins Gewebe

Genau hier wäre es vorteilhaft, zusätzliche Informationen direkt aus dem Gewebe zu gewinnen: als weiterer Blick auf Strukturen, die mit bloßem Auge kaum oder gar nicht zu erkennen sind.

An dieser Stelle setzt das Forschungsprojekt OBELISK an. Es beschäftigt sich mit der Frage, wie die konfokale Laserendomikroskopie, kurz CLE, für Tumoren im Bereich der Nasenhöhle und Nasennebenhöhlen weiterentwickelt werden kann. CLE ermöglicht einen sehr nahen Blick auf Gewebestrukturen. Im Projekt geht es darum, solche Bildinformationen mithilfe von Künstlicher Intelligenz auszuwerten, einzuordnen und räumlich sichtbar zu machen.

„Die Technologie eröffnet die Möglichkeit, Gewebestruktur in Echtzeit sichtbar zu machen.“, sagt Prof. Dr. Marc Aubreville von der Hochschule Flensburg. „So kann man erkennen, welches Gewebe eine normale Struktur hat, und wo dies nicht der Fall ist.“

Warum die Auswertung schwierig ist

Die gewonnenen Bilder sind allerdings nicht leicht zu interpretieren. CLE-Bilder sind hoch spezialisiert. Sie zeigen mikroskopische Strukturen, ihre Interpretation ist anspruchsvoll. Manche Aufnahmen sind diagnostisch hilfreich, andere weniger. Bewegungen, Bildqualität, Gewebeart und anatomischer Kontext können die Auswertung erschweren.

Künstliche Intelligenz kann solche Bilder systematisch analysieren, Muster erkennen, Aufnahmen klassifizieren und bei der Interpretation helfen. OBELISK geht dabei über reine Bildauswertung hinaus. Die Informationen aus der Endomikroskopie sollen mit der Anatomie der Patientinnen und Patienten in Beziehung gesetzt werden. Dafür wird untersucht, wie CLE-Daten räumlich zugeordnet und in einer 3D-Visualisierung dargestellt werden können.

Aus einzelnen mikroskopischen Bildern soll so ein besserer Überblick entstehen: Wo wurde Gewebe untersucht? Was zeigen die Aufnahmen? Welche Bereiche wirken auffällig? Wie passt das zur anatomischen Situation?

Informationen, die im OP nutzbar sein müssen

„Im OP brauchen wir keine zusätzlichen Daten um der Daten willen“, sagt Gonçalves. „Wir brauchen Informationen, die uns helfen, sicherer zu handeln. Sie müssen schnell verständlich sein und in die konkrete Situation passen.“

Das erklärt, warum bei OBELISK neben Bildverarbeitung und maschinellem Lernen auch Visualisierung und Usability eine große Rolle spielen. Medizinische Unterstützungssysteme müssen nicht nur technisch funktionieren. Sie müssen in einem Umfeld funktionieren, in dem Entscheidungen unter Zeitdruck, mit hoher Verantwortung und in komplexen Situationen getroffen werden.

Forschung an der Schnittstelle von Medizin und Informatik

An der Hochschule Flensburg wird damit ein Forschungsfeld sichtbar, das mehrere Kompetenzen zusammenführt: Künstliche Intelligenz, medizinische Bildanalyse, 3D-Visualisierung, Interaktion und Benutzerfreundlichkeit. Gemeinsam mit dem Universitätsklinikum Würzburg wird untersucht, wie daraus ein Beitrag zur Tumordiagnostik und zur Behandlung sinunasaler Tumoren entstehen kann.

Der medizinische Bedarf ist klar: Tumorgewebe möglichst vollständig entfernen, Rückfälle vermeiden, gesundes Gewebe schonen. Der technische Weg dorthin ist komplex. CLE-Bilddaten müssen gesammelt, bewertet, klassifiziert, gefiltert und räumlich sichtbar gemacht werden. Am Ende muss all das für die Menschen nutzbar sein, die im OP Verantwortung tragen.

Die Entscheidung bleibt medizinisch

Die Rollen bleiben klar: KI operiert nicht, ersetzt keine chirurgische Erfahrung und entscheidet nicht, wo geschnitten wird. Sie kann aber zusätzliche Informationen liefern, mikroskopische Muster sichtbar machen und Ergebnisse so aufbereiten, dass Ärztinnen und Ärzte sie in ihre Entscheidung einbeziehen können.

Die Frage im OP bleibt sehr konkret: Wo endet der Tumor?

Die Antwort bleibt eine medizinische Entscheidung. Aber wenn Forschung dazu beiträgt, mehr zu sehen, besser einzuordnen und präziser zu handeln, kann diese Entscheidung auf einer besseren Informationsgrundlage getroffen werden.