BMBF/VDI Förderprogramm KMU innovativ, FKZ: 13GW0499 A

Basalzellkarzinome sind die häufigsten Krebserkrankungen des Menschen. Bisher werden diese Hauttumore relativ spät erkannt, so dass sie häufig aufgrund ihrer Ausdehnung bei Erstdiagnose aufwändig mit Randkontrollen operativ entfernt werden müssen. Das liegt daran, dass sie zunächst in Form von hautfarbenen Plaques auftreten und unspezifisch aussehen. Die optische Kohärenztomographie (OCT) eignet sich als nichtinvasive Diagnostik zur Früherkennung von Basalzellkarzinomen. Mit dieser Methode können bereits sehr kleine, klinisch kaum sichtbare Tumore ohne Biopsie sicher erkannt werden. Diese können dann aufgrund ihrer geringen Größe und Infiltrationstiefe anstelle einer Operation mit einem koagulierenden Laser behandelt werden.
 

In dem Projekt OCTOLAB soll eine optische Kohärenztomographie (OCT) zur Diagnostik von Basalzellkarzinomen in einen langgepulsten Infrarot-Laser zur Therapie der Tumore integriert werden. Zusätzlich sollen die Diagnostik und Therapie basierend auf künstlicher Intelligenz (KI) erfolgen. Die OCT-Bildparameter von Basalzellkarzinomen werden für ein maschinelles Lernverfahren aus dem Bereich des Deep Learning herangezogen, um eine KI-basierte automatisierte Diagnostik zu erreichen. Dazu werden der Subtyp, die Tumordicke und die lateralen Tumorgrenzen bestimmt. Basierend auf diesen Informationen werden die optimalen Laserparameter automatisiert festgelegt und es erfolgt die Therapie mittels Laserkoagulation. Es handelt sich also um einen Closed loop zwischen Diagnostik und Therapie.
 

Dieses kombinierte Gerät zur automatisierten Diagnostik und Therapie könnte zur ressourcensparenden Früherkennung und individualisierten minimalinvasiven Therapie von Basalzellkarzinomen beitragen. Dies kann die Versorgung von Patienten verbessern und das das Gesundheitssystem durch den Wegfall von risikobehafteten und kostenintensiven Operationen entlasten.

Kooperationspartner an der Universität Augsburg:

Prof. Dr. Frank Kramer

Zur Webseite

Die Line-field confocal OCT ist eine Fusion aus Optischer Kohärenztomographie und konfokaler Lasermikroskopie. Sie ermöglicht bei hoher zellulärer Auflösung eine dreidimensionale in-vivo Mikroskopie der Haut in Echtzeit. An der Hautklinik wird diese neue Methode für den Einsatz an Hautkrebs und entzündlichen Hauterkrankungen evaluiert und weiterentwickelt. Ein besonderer Schwerpunkt liegt im Vergleich der LC-OCT mit der konventionellen OCT und konfokalen Lasermikroskopie.

Entwicklung dynamischer Bildparameter, Erstellung und Annotation einer Bilddatenbank sowie die Entwicklung eines Chatbots zur Erstellung eines Tools für die KI-gestützte Analyse von Parametern gesunder Haut

Kosmetikanwender sehen sich einer schier unüberschaubaren Anzahl von Produkten mit unterschiedlichen Wirkmechanismen und Zielsetzungen gegenüber. Eine individualisierte, auf den eigenen aktuellen Bedarf abgestimmte Auswahl ist schwierig zu treffen. Kosmetikerinnen oder Mitarbeiter in Apotheken können Anwender unterstützen, ihren Hautzustand einzuschätzen, Produkte empfehlen und deren Anwendung erläutern. Diese Beratungsleistung von Experten ist jedoch stets mit direktem persönlichem Kontakt verbunden und daher zeitlich sowie örtlich unflexibel. Im Zuge einer immer stärker werdenden Digitalisierung der Bevölkerung und deren Herausforderungen an Abstands-Empfehlungen durch die Corona-Pandemie ist bei sehr vielen Menschen ein starkes Bedürfnis vorhanden, den Hautzustand unabhängig, objektiv und kontaktlos einschätzen zu lassen.

Ein bildgesteuertes und über das Smartphone initiiertes Tool, das die Hautgesundheit und -beschaffenheit im Detail analysiert und darüber hinaus noch in der Lage ist, basierend auf dem Ergebnis der Analyse individualisierte Pflege- und Stylinghinweise zu geben sowie Informationen aus der Anamnese der Anwender einzubeziehen, ist nicht auf dem Markt. Die im Markt auffindbaren Tools sind sowohl bzgl. ihrer Validität als auch hinsichtlich der Komplexität ihrer Analyseergebnisse stark beschränkt.
 

Ziel des Projektes ist, weit über die aktuell im Markt befindlichen Tools hinausgehend eine Smartphone gesteuerte KI-Hautanalyse zu entwickeln, die umfassende und valide Parameter der Hautbeschaffenheit in Kombination mit individuellen Anforderungen und im Kontext mit extrinsischen Umweltfaktoren erfasst und daran anknüpfend individualisierte Beratungsleistungen zur Hautpflege generiert; so soll ein Portal für Anwender erschaffen werden, das auf deren individuellen Bedürfnisse beratend eingeht. Der User soll über die beschriebene intensive Hautanalytik, eine gute Usability sowie intuitive Bedienbarkeit des Tools angeregt werden, regelmäßig neue Analysen zu machen. So kann auf individuelle Veränderungen, klimatische Bedingungen und Umwelteinflüsse wie UV-Schutz eingegangen werden.
 

Das Teilprojekt des Projektpartners Dermatologie am Universitätsklinikum Augsburg umfasst die Entwicklung und Erprobung der statischen und dynamischen Bildparameter, der Erstellung und Annotation einer großen Bilddatenbank sowie der Entwicklung eines Chatbots (strukturierter Fragebogen). Hierfür werden nach Definition der Zielgruppe statische Bilder von Gesichtern inklusive dynamischer Komponenten (Mimik, Elastizität) aufgenommen. Die Ermittlung und Quantifizierung dynamischer Parameter muss im Rahmen des Projekts entwickelt werden. An diesen Bildern werden die vorher definierten relevanten Parameter annotiert, das heißt nach ihrem Ausprägungsgrad klassifiziert und zugeordnet. Parallel dazu wird der Chatbot entwickelt: Hierzu werden relevante Fragen definiert und den Bildern zugeordnet. Dadurch erhält man einen Datensatz für das Training und die Validierung der künstlichen Intelligenz. Die klinische Expertise ist notwendig, um die Typisierung des Hautzustands zu entwickeln und hiermit die Künstliche Intelligenz zu trainieren, die durch Mustererkennung am Portrait einer Person in Verbindung mit Anamnesefragen (Sonnenexposition, Rauchgewohnheiten, Unverträglichkeiten) den Hautzustand und -typ klassifizieren kann. Zudem werden die Validität und Reliabilität sowie die Relevanz und Akzeptanz der Trainingsergebnisse evaluiert und bewertet.

Kooperationspartner an der Universität Augsburg:

Prof. Dr. Frank Kramer

Zur Webseite

Das maligne Melanom zählt zu den bösartigsten Tumorerkrankungen des Menschen, da es früh metastasiert. Die Detektion, Quantifizierung und Analyse zirkulierender Melanomzellen ist von großer Bedeutung zur Abschätzung der Prognose, Nachsorge und zum therapeutischem Management. Zusammen mit der Physik und Physiologie an der Universität Augsburg werden Verfahren zur physikalischen Analyse und Sortierung von Melanomzellen erprobt und analysiert.
 

Kooperationspartner an der Universität Augsburg:
 

Dr. Christoph Westerhausen

Zur Webseite