Darmkrebs ist die zweithäufigste Krebstodesursache in der westlichen Welt. Um Darmkrebs frühzeitig zu erkennen, werden koloskopische Vorsorgeuntersuchungen empfohlen. Deren Effektivität hängt davon ab, ob Ärzte die nötige Aufmerksamkeit bewahren können, um alle Läsionen (zum Beispiel kleine Polypen) zu erkennen.
Das Ziel des Projektes ist die Erforschung und Validierung eines Systems zur automatischen und befundunterstützenden Erkennung (und Klassifikation) von Läsionen (Adenome, Polypen)‚ Fremdkörpern (Instrumente, Stuhl, Clips) und Landmarken (Flexuren, Zökum, Terminales Ileum) im Verdauungstrakt auf Basis endoskopischer Bildsequenzen und Bilder. Dabei kommen Verfahren des maschinellen Lernens zum Einsatz, und es werden tiefe neuronale Netze verwendet. Diese Netzwerke sollen in der Lage sein, Endoskopiker aktiv während der Darmspiegelung zu unterstützen, auf verdächtige Bildareale aufmerksam zu machen und gegebenenfalls automatisch Vorschläge für die nachfolgende Dokumentation zu generieren. Gleichermaßen soll erforscht werden, wie die Komplexität dieser Netze reduziert werden kann, damit möglichst kommerzielle Low-Budget-Hardware eingesetzt werden kann. Die Anzeige potenzieller Läsionen während der Endoskopie kann die Befundungszeit reduzieren und so mittel- und langfristig zu einer verbesserten Kosteneffizienz sowie zu einer höheren Versorgungsqualität beitragen.
In der Abteilung für Endoskopie im Malteser Waldkrankenhaus St. Marien (Erlangen) sowie bei anderen klinischen Partnern werden koloskopische Daten erhoben und anonymisiert sowie Experimente an Biophantomen durchgeführt. Tiefe neuronale Netze zur automatischen Erkennung von Läsionen in Koloskopiedaten werden am Fraunhofer Institut für Integrierte Schaltungen IIS (Erlangen) erforscht und entwickelt. Die Firma E&L (Erlangen) übernimmt die Projektleitung und -koordination und entwickelt eine Infrastruktur, um die Daten zu sammeln, zu kuratieren und die Verfahren des Fraunhofer IIS in klinische Dokumentationssysteme zu integrieren. Die Nexus AG (Niederlassung München) ist für die Integration von Patientendaten verantwortlich.
