Verfahren zur intraoperativen Tumordiagnostik am Beispiel der Thoraxchirurgie

Abstract

Ziel der vorliegenden Arbeit war es, ein Verfahren zur intraoperativen Tumordiagnostik zu entwickeln, welches es dem Chirurgen während der Operation direkt erlaubt, Informationen über Gewebe in Echtzeit zu erhalten. Hierzu wurde auf Basis von Autofluoreszenz eine automatisierte Datenreduktion, -auswertung und –klassifizierung entwickelt, validiert und mittels eines Funktionsmusters realisiert.

Ausgehend von der Analyse von Rahmenbedingungen einer Tumoroperation sowie von bestehenden Verfahren zur Tumordiagnostik wurden Anforderungen an ein solches Verfahren abgeleitet. Dabei wurden die Erkennungsleistung sowie die Dauer einer Messung als Hauptanforderungen identifiziert. Hieraus haben sich ergeben, dass die Fluoreszenzdiagnostik und speziell die Autofluoreszenzspektroskopie das größte Potential aufweist, jedoch ein Verfahren zur automatisierten Auswertung und Klassifizierung der Spektren sowie ein Sicherheitskonzept fehlt.

Die automatisierte Auswertung wurde mit Hilfe von Methoden der multivariaten Statistik durchgeführt. Eine Datenreduktion mittels Hauptkomponentenanalyse sowie verschiedene Diskriminanzanalysen wurden herangezogen, um eine Zuordnung gemessener Autofluoreszenzspektren zu bekannten Trainingsgruppen durchzuführen und die großen Datenmengen nutzbar zu machen. Ebenso wurden die Risiken von Soft- und Hardware beleuchtet.

Das Verfahren wurde anhand von Tumorproben aus dem Bereich der Thoraxchirurgie validiert und Parametersätze optimiert. Dabei zeigte sich, dass bei einer sehr kurzen Messdauer im Bereich von ca. 200ms sehr gute Ergebnisse von bis zu 89% Gesamtdetektionsrate bei einer Spezifität von bis zu 95% erreichbar waren. Anschließend erfolgte die Realisierung in Form eines Funktionsmusters sowie die Erprobung anhand von Proben eines Instituts für Pathologie aus allen Körperbereichen. Hierbei zeigte sich, dass Gesamtdetektionsraten von bis zu 75% bei einer Spezifität von 95% erreichbar waren und ein eigener Parametersatz für jede medizinische Disziplin Vorteile aufweist. Generell ergab sich eine gute Einsetzbarkeit im medizinischen Alltag, schnelle Anwendbarkeiten und Messdauern sowie mit bisherigen Verfahren vergleichbare Detektionsraten.

The objective of this thesis was to develop a method for intraoperative tumor diagnosis which enables the surgeon to gain information about tissue during the surgery in real-time. Therefore, based on autofluorescence, an automated data reduction, -analysis and –classification system has been developed, validated and realized as a functional model.

Based on the analysis of tumor surgery as it is performed today and existing methods for tumor diagnosis, requirements to such a new method have been defined. The detection rate as well as the duration of a single measurement have been identified as the main requirements. It has been shown that the fluorescence diagnosis, especially the autofluorescence spectroscopy have the highest potential but a method for automated analysis and classification of such spectra as well as a safety concept is missing.

An automated analysis has been realized, using methods of multivariate statistics. Data reduction by using a principle component analysis and different methods for discriminance analysis have been taken into account for assigning spectra that have been measured to known groups. Furthermore, safety risks of soft- and hardware have been looked upon.

The method has been evaluated using tumor samples from thoracic surgery applications. Parameter sets have been optimized. With short measurement duration of about 200ms, it showed very good results as a detection rate of 89% with a specifity of up to 95%. Afterwards, the realization as a functional model as well as tests using samples of an institute for pathology from all body regions has been performed. It showed overall detection rates of up to 75% with a specifity of 95%. Therefore, a separate set of parameters for each body region would be preferred. In general, a good usability in the every-day medical usage, short durations for a single measurement and good detection rates that can be compared to those realized by other methods today, could have been shown.