Machine learning and hyper spectral imaging: multi spectral endoscopy in the gastro intestinal tract towards hyper spectral endoscopy

Weltweit stehen Karzinome an zweiter Stelle der Todesursachen nach Herz-Kreislauf-Erkrankungen. Von diesen werden mehr als 25 % durch Krebs im Magen-Darm-Trakt verursacht. Beim Screening werden jedoch immer noch etwa 20 % der Karzinome übersehen. Eine optimale Lösung wäre eine Red-Flag-Technologie zur Lokalisierung des verdächtigen Bereichs. Trotz des Einsatzes vieler optischer Technologien und Weiterentwicklungen traditioneller endoskopischer Technologien konnten die meisten Methoden bisher nicht zu einer signifikanten Verbesserung der Erkennbarkeit von Karzinomen im GI führen.

Daher wurde in der Literatur vorgeschlagen, spektroskopische quantitative Messungen zu verwenden, welche durch hyperspektrale Bildgebung erreicht wird. In dieser Arbeit wird jedoch ein multispektrales Endoskopsystem für den in-vivo-Einsatz für Studien am Menschen (Magen) und an Mäusen (Dickdarm) verwendet.

Bei der Humanstudie konnten mit den Standardverfahren die Tumore nur bedingt gefunden werden (MCC = 0,32; ACC2=0,68). Dennoch ist dies eine deutliche Verbesserung im Vergleich zu früheren Ergebnissen. Durch die Einführung der spektralen räumlichen Variation als räumlich-spektrales Merkmal verbessern sich die Ergebnisse nochmals deutlich. Im Vergleich zur Humanstudie zeigen die Ergebnisse aus dem Mausmodell bessere Klassifikationsergebnisse: ACC2 = 0,73 und MCC = 0,47.

Für die Entwicklung einer endoskopischen Red-Flag-Technik wird also eine Punkttechnik zur korrekten Voretikettierung der Daten benötigt. Darüber hinaus sind die Ergebnisse dieser MSI in-vivo Studie mit räumlichen Merkmalen ähnlich wie die jüngsten HSI ex-vivo Studien. Daher ist es wahrscheinlich, dass MSI Teil zukünftiger Forschungen bleiben wird.