In vielen medizinischen Disziplinen ist die intraoperative Tumordifferenzierung eine herausfordernde Problemstellung, die viel Fachwissen, Intuition und technologischen Aufwand erfordert. Besonders in der Neurochirurgie ist die präzise Unterscheidung von gesundem Gewebe und Tumor zwingend notwendig, da eine unbeabsichtigte Resektion von gesundem Hirngewebe oder Blutgefäßen mit erheblichen Konsequenzen einhergehen. Vorarbeiten und Erfahrungen zeigen, dass Tumore und gesundes Hirngewebe jedoch hinsichtlich ihrer mechanischen Eigenschaften deutliche Unterschiede aufweisen.
Eine Arbeitsgruppe am Institut für Robotik und Kognitive Systeme der Universität zu Lübeck (Prof. Floris Ernst, Niclas Bockelmann) verfolgt nun das Ziel, mit Hilfe von maschinellen Lernverfahren Gewebe intraoperativ zu vermessen und eine Tumorranderkennung zu ermöglichen. Im Rahmen des KI-SIGS-Anwendungsprojektes „Intelligenter Ultraschall-Aspirator“ kooperiert die Arbeitsgruppe mit der Klinik für Neurochirurgie des UKSH und der Söring GmbH. In diesem dreijährigen Forschungsprojekt werden intraoperative Daten wie Gewebefestigkeiten und MRT-Informationen gesammelt und mit histologischen Untersuchungen von Gewebeproben kombiniert. Die so generierten Trainingsdaten ermöglichen die Entwicklung einer auf maschinellem Lernen basierenden Online-Detektion des Gewebetyps verbunden mit der Möglichkeit innovativer Assistenzfunktionen für die Neurochirurgie. Die Gewebeerkennung soll im Zuge des Projektes testweise in Produkte der Söring GmbH implementiert und klinisch am UKSH erprobt werden.
