2026-07-012026-07-01https://hdl.handle.net/11420/63758Tumore des oberen Luft-Speisewegs sind die sechsthäufigste Tumorentität beim Menschen, wobei Kehlkopfkrebs 30-40 % der Fälle ausmacht. Eine frühe Diagnose geht mit einer besseren Prognose für die betroffenen Patienten einher. Da eine visuelle endoskopische Beurteilung derzeit histopathologische Untersuchungen nicht ersetzen kann, besteht der aktuelle Behandlungsstandard bei neu entdeckten Kehlkopfläsionen aus einer sogenannten Mikrolaryngoskopie unter Vollnarkose, kombiniert mit einer invasiven Gewebeentnahme. Diese ist kosten- und zeitaufwendig und anfällig für Entnahmefehler. Eine optische Methode, die eine Unterscheidung zwischen gesundem, dysplastischem und krebsartigem Gewebe ambulant am wachen Patienten ermöglicht, hätte daher das Potenzial, die Früherkennung von Kehlkopfkrebs zu revolutionieren. Verschiedene optische Techniken, die unterschiedliche Informationen über das untersuchte Gewebe liefern, wurden in (prä-)klinischen Studien zur Klassifizierung von Schleimhautläsionen des Kehlkopfes getestet und zeigten vielversprechende Ergebnisse. Als eigenständige Verfahren weisen sie jedoch ihre individuellen Limitationen auf. Daher wurde die multimodale Bildgebung mit einer Kombination verschiedener Techniken vorgeschlagen und erprobt, hat sich aber – hauptsächlich aufgrund der Komplexität der Datenerfassung und -interpretation – noch nicht zu klinisch relevanten Anwendungen entwickelt. In einem neuen, vielversprechenden Ansatz wollen wir optische Kohärenztomografie (OCT) und Narrow Band Imaging (NBI) in einem flexiblen Endoskop kombinieren und so Tiefen- und Rauminformation des verdächtigen Gewebes vereinen. Um die derzeitigen Einschränkungen der multimodalen Bildinterpretation zu überwinden, untersuchen wir verschiedene Methoden der künstlichen Intelligenz (KI), um die unterschiedlichen Informationen nach räumlicher und zeitlicher Registrierung der Daten zu vereinen und die Bildanalyse zu unterstützen. Unser erstes Ziel ist die Entwicklung eines ambulanten, endoskopischen Verfahrens, das eine Gewebeklassifizierung im Kehlkopf vor Ort am wachen Patienten ermöglicht („optische Biopsie“). Als zweites Ziel wird die Leistung dieser automatisierten multimodalen endoskopischen Bildgebung im Vergleich zum aktuellen Behandlungsstandard bewertet. Um diese Ziele zu erreichen, entwickeln und fertigen wir biokompatible OCT-Fasersonden. Die Sonden passen in den Arbeitskanal eines flexiblen, NBI-fähigen Laryngoskops. Zur Evaluierung der multimodalen Bildgebung führen wir eine Studie an 60 wachen Patienten mit flachen Schleimhautläsionen des Endolarynx und 60 gesunden Probanden durch. Modernste Deep-Learning-Methoden werden für eine automatisierte Gewebeklassifizierung eingesetzt, die sowohl auf individuellen Bildgebungsmodalitäten als auch auf dem multimodalen Datensatz basiert. Dadurch wird unser System für die computergestützte Diagnose (CAD) unabhängig von der Erfahrung des Arztes und reduziert das Problem der Interratervariabilität.Tumors of the upper aerodigestive tract (UADT) are the sixth most common tumor entity in humans, with laryngeal cancer accounting for 30-40%. Thereby, an earlier diagnosis goes along with a better prognosis for the patients concerned. As a visual endoscopic assessment is currently not able to replace histopathological examinations, current standard of care in newly detected laryngeal lesions comprises a so-called microlaryngoscopy under general anesthesia combined with invasive tissue sampling, which is costly as well as time consuming and prone to sampling errors. An optical method enabling an on-site distinction between healthy tissue, dysplastic tissue and cancerous tissue in an outpatient setting would therefore have the potential to revolutionize early laryngeal cancer detection. Various optical techniques providing different information on the tissues investigated have been tested for classification of mucosal lesions of the larynx in (pre-) clinical studies and shown promising results, but they do have their individual limitations as standalone procedures. Therefore, multimodal imaging using a combination of techniques has been suggested and trialed, but – mostly owing to its complexity in data acquisition and interpretation – has not yet progressed into clinically meaningful applications. In a new and promising attempt, we aim to combine optical coherence tomography (OCT) and narrow band imaging (NBI) using a flexible endoscope and thus combining depth and spatial information of the suspicious tissue. To overcome the current limitations of multimodal image interpretation, we aim to study different artificial intelligence (AI) methods to fuse information and assist with image analysis following a spatially and temporally correct registration of the multimodal imaging data. Our first goal in this project is the development of a single outpatient endoscopic procedure that allows for an onsite tissue classification in the larynx (“optical biopsy”). As a second goal, the performance of this automated multimodal endoscopic imaging will be evaluated against the current standard-of-care. To achieve these goals, we will design and manufacture biocompatible OCT fiber probes. The probes will fit into the working channel of a flexible NBI-ready nasopharyngolaryngoscope. To evaluate the multimodal imaging, we will perform a study on 60 awake patients with flat mucosal lesions of the endolarynx and 60 healthy volunteers. State-of-the-art deep learning methods will be applied for an automated tissue classification based on both individual imaging modalities and the multimodal data set. This will make our system for computer-assisted diagnosis (CAD) independent of the experience of the physician, reducing the problem of interrater variability.