EndoPlan-3D

Symbolbild (Christoph Palm, ReMIC@OTH Regensburg mithilfe von ChatGPT/DALL-E, Open AI)

EndoPlan-3D

funded by: Bundesministerium für Forschung, Technologie und Raumfahrt (BMFTR)
Project responsible: Prof. Dr. Christoph Palm
Kooperationspartner: Erbe Elektromedizin GmbH, Tübingen, Universität Augsburg – Fakultät für Angewandte Informatik – Institut für Informatik – Lehrstuhl für Menschzentrierte Künstliche Intelligenz, Universitätsklinikum Augsburg – III. Medizinische Klinik
Laufzeit: 2025-2029

Mehr erfahren
Bei gastrointestinalen Frühneoplasien kommen je nach Tumorart unterschiedliche Interventionsverfahren zum Einsatz. Minimal-invasive Methoden wie die endoskopische Mukosaresektion (EMR) oder die endoskopische Submukosadissektion (ESD) sind besonders schonend, während bei Verdacht auf tiefe Tumorinvasion eine radikale Operation nötig ist. Die Verfahrenswahl erfolgt leitlinienbasiert anhand der Wachstumsform und groben Morphologie (Paris-Klassifikation) sowie zusätzlicher Merkmale (z. B. JNET- oder Pit-Pattern-Klassifikation). Die subjektive Einschätzung der dreidimensionalen (3D) Tumorstruktur anhand zweidimensionaler (2D) Bilder aus der flexiblen Endoskopie führt jedoch oft zu variierenden Diagnosen. Elastizitätsmessungen, etwa durch endosonographische Elastographie, helfen bei der Identifikation tiefer Invasionen (Tumor-Hotspots), erfordern jedoch eine subjektive Kombination mit den Weißlicht-Endoskopie-Bildern durch den Arzt, was Fehler begünstigen kann. EndoPlan-3D erstellt daher eine KI-gestützte 3D-Rekonstruktion mit integrierter Gewebeelastizität, die über interaktive Technologien bereitgestellt wird und so die Präzision der Operationsplanung erhöht.

Ziele und Vorgehen

Mit EndoPlan-3D soll eine Kl-gestützte, interaktive 3D-Umgebung entstehen, die chirurgische Eingriffe bei gastrointestinalen Frühneoplasien optimiert. Das zentrale Ziel des Projektes ist es, eine präzisere und zuverlässigere Planung endoskopischer Eingriffe zu ermöglichen, indem multimodale Daten aus Weißlicht-Endoskopie und Endosonographie mittels KI-Algorithmen zu dynamischen, individuellen 3D-Modellen verarbeitet werden. Ärztinnen und Ärzte sollen durch eine VR-basierte lnteraktionsumgebung Tumorgrenzen, kritische Hotspots und optimale Resektionsmethoden sicher identifizieren können. Die geplante Technologie umfasst u.a. die Erstellung realistischer 3D­ Visualisierungen aus endoskopischen Videodaten mittels innovativer KI-Verfahren. Ergänzt werden diese Modelle durch akustisches und taktiles Feedback zur besseren Identifikation kritischer Tumorstellen und zur Festlegung optimaler chirurgischer Instrumenteneinstellungen. Die Verwertung der Ergebnisse erfolgt sowohl wirtschaftlich als auch wissenschaftlich: Durch EndoPlan-3D sollen nicht nur Fehlentscheidungen reduziert und das Rezidivrisiko gesenkt, sondern auch langfristig die chirurgische Qualität und Patientenversorgung verbessert werden.

Posted

in

,

by

nicolehoess

Tags:

EN
DE EN