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
