CC BY-NC-ND 4.0 · Laryngorhinootologie 2021; 100(S 02): S37
DOI: 10.1055/s-0041-1727697
Abstracts
Endoskopie

Einsatz der Künstlichen Intelligenz (KI) zur intraoperativen Auswertung von Stimmlippenleukoplakien

N Davaris
1   Universitätsklinikum Magdeburg, Klinik für HNO-Heilkunde, Kopf- und Halschirurgie, Magdeburg
,
N Esmaeili
2   Otto-von-Guericke University Magdeburg, INKA-Application Driven Research, Magdeburg
,
A Illanes
2   Otto-von-Guericke University Magdeburg, INKA-Application Driven Research, Magdeburg
,
A Boese
2   Otto-von-Guericke University Magdeburg, INKA-Application Driven Research, Magdeburg
,
M Friebe
2   Otto-von-Guericke University Magdeburg, INKA-Application Driven Research, Magdeburg
,
C Arens
1   Universitätsklinikum Magdeburg, Klinik für HNO-Heilkunde, Kopf- und Halschirurgie, Magdeburg
› Author Affiliations
› Further Information
Also available at
 
 

    Einführung Die Beurteilung von Stimmlippenleukoplakien kann trotz moderner endoskopischer Methoden anspruchsvoll sein. Die Charakterisierung der Morphologie der angrenzenden Stimmlippengefäße ist dabei von großer Bedeutung, aber stark von der Erfahrung des Betrachters abhängig. Die intraoperative Kontaktendoskopie mit Narrow Band Imaging (NBI-KE) ermöglicht eine optimierte Visualisierung von Gefäßveränderungen und die erzeugten Daten eignen sich gut für eine automatisierte Auswertung mit Methoden der Künstlichen Intelligenz (KI).

    Methoden In der vorliegenden Studie wurden bei 40 Stimmlippenleukoplakien die angrenzenden Gefäße mittels NBI-KE intraoperativ aufgenommen. Die erzeugten Daten wurden mittels Methoden des Maschinellen Lernens und den Klassifizierungsszenarien Support Vector Machine with Polynomial Kernel (SVM) und k-Nearest Neighbor (kNN) ausgewertet. Nach Erhalt der Histologie wurden die Sensitivität, Spezifität und Treffergenauigkeit bei der Klassifizierung zwischen benignen und malignen Befunden berechnet.

    Ergebnisse Insgesamt wurden 1998 kontaktendoskopische Bilder bei 16 benignen und 24 malignen Befunden ausgewertet. Die Gefäßveränderungen ließen sich dabei mathematisch von den Algorithmen als Zunahme der Unordnung des Gradientenvektors und des Krümmungsniveaus charakterisieren. Die Sensitivität, Spezifität und Treffergenauigkeit der automatisierten Klassifizierung betrugen beim SVM 100 % , 77,2 %  und 90,6 %  und beim kNN 100 % , 79,8 %  und 91,7 % .

    Schlussfolgerung Der Einsatz von Methoden der KI und des Maschinellen Lernens erlaubt eine automatisierte Auswertung der Gefäßveränderungen bei Stimmlippenleukoplakien. Die verwendeten Algorithmen können Ärzten bei der klinischen Charakterisierung der Leukoplakien als potenziell benigne oder maligne unterstützen.

    Poster-PDF A-1534.pdf


    #

    Interessenkonflikt

    Der Erstautor gibt keinen Interessenskonflikt an.

    Korrespondenzadresse

    Dr. med. Davaris Nikolaos
    Universitätsklinikum Magdeburg, Klinik für HNO-Heilkunde, Kopf- und Halschirurgie
    Magdeburg

    Publication History

    Article published online:
    13 May 2021

    © 2021. The Author(s). This is an open access article published by Thieme under the terms of the Creative Commons Attribution-NonDerivative-NonCommercial-License, permitting copying and reproduction so long as the original work is given appropriate credit. Contents may not be used for commercial purposes, or adapted, remixed, transformed or built upon. (https://creativecommons.org/licenses/by-nc-nd/4.0/).

    Georg Thieme Verlag KG
    Rüdigerstraße 14, 70469 Stuttgart, Germany