Projektbeschreibung

Motivation

Als Reflux bezeichnet man den gesteigerten Rückfluss von saurem Mageninhalt in die Speiseröhre (Ösophagus). Chronischer Reflux ist die Hauptursache für den Barrett-Ösophagus, eine Läsion der Schleimhaut mit erhöhtem Risiko der Ausbildung von Speiseröhrenkrebs. Die Überlebenschancen von betroffenen Patienten gelten als schlecht, da die Erkrankung meist erst im späten Stadium diagnostiziert wird. Ist eine medikamentöse Standardbehandlung des Refluxes nicht erfolgreich, kann eine endoskopische Untersuchung indiziert sein, um möglichst frühzeitig therapierbare Symptome aufzudecken. Diese ist allerdings nicht unproblematisch, da viele Reflux Patienten endoskopisch-negativ sind, d.h. Schleimhautläsionen trotz vorliegender Erkrankung nicht sichtbar sind (geringe Sensitivität der Untersuchung). Die Signifikanz im Falle eines pathologischen Befunds ist dagegen relativ hoch (hohe Spezifität der Untersuchung).

 Ziele und Vorgehen

Bei den bildgebenden Verfahren der Diagnostik kommen zunehmend Methoden des Maschinellen Lernens zum Einsatz. Mit Hilfe von Deep Learning Ansätzen soll der Arzt dabei unterstützt werden, Reflux bedingte Schleimhautschädigungen, insbesondere (prä-)kanzerogene Läsionen, bei der Begutachtung endoskopischer Bilder zuverlässig zu erkennen. Aufgrund der maschinellen Auswertung der endoskopischen Bilder sollen Rückschlüsse auf die Ausprägung einer möglichen Erkrankung gezogen werden. Durch Einsatz von Deep Learning konnte in den letzten Jahren mehrfach eine Qualität bei der diagnostischen Auswertung medizinischer Bilder erreicht werden, die den ärztlichen "Goldstandard" nicht nur erreicht, sondern sogar übertrifft. Damit begegnen sich Arzt und Rechner auf Augenhöhe, so dass z.B. künftig der Computer zumindest als Zweitgutachter etabliert werden könnte.