Systematisch getrainde leeralgoritmen voor orale carcinogenese Interpretatie door optische coherentietomografie (SYMILIS OCT)

Achtergrond en behoeften:

Ondanks de vooruitgang op het gebied van orale screeningstechnieken blijven er diagnostische vertragingen bestaan, waardoor onderzoek naar niet-invasieve methoden voor de vroege detectie van mondkanker noodzakelijk is. De huidige standaard diagnostische methode, histologische analyse, vereist vaak invasieve biopsieën en kan tijdrovend zijn, wat leidt tot vertragingen bij het starten van de behandeling. Bovendien kunnen traditionele screeningsmethoden orale laesies in een vroeg stadium niet altijd nauwkeurig detecteren. Daarom is er een cruciale behoefte aan het vergroten van de diagnostische mogelijkheden door de adoptie van innovatieve technologieën.

In deze context komt Optical Coherence Tomography (OCT) naar voren als een veelbelovende technologie die onderzoek rechtvaardigt. OCT biedt verschillende voordelen ten opzichte van conventionele diagnostische benaderingen. Het niet-invasieve karakter ervan maakt real-time en niet-invasieve beeldvorming van weefselmorfologie met hoge resolutie mogelijk, waardoor artsen structurele veranderingen in orale weefsels kunnen visualiseren. Door dwarsdoorsnedebeelden van weefsellagen aan te bieden, heeft OCT het potentieel om subtiele veranderingen te identificeren die indicatief zijn voor orale laesies in een vroeg stadium, waaronder potentieel kwaadaardige aandoeningen (OPMD's) en plaveiselcelcarcinoom (OSCC). Bovendien kan OCT vroege detectie vergemakkelijken door herhaalde onderzoeken in de loop van de tijd mogelijk te maken, waardoor de progressie of regressie van de laesie wordt gevolgd zonder dat herhaalde biopsieën nodig zijn.

De verkenning van OCT als diagnostisch hulpmiddel sluit aan bij de dringende behoefte om de efficiëntie en nauwkeurigheid van de diagnose van orale kanker te verbeteren. Door gebruik te maken van de mogelijkheden van OCT kunnen artsen mogelijk de identificatie van verdachte laesies versnellen, wat leidt tot tijdige interventie en betere patiëntresultaten. Bovendien heeft de integratie van OCT in de routinematige klinische praktijk het potentieel om de last die gepaard gaat met invasieve procedures en diagnostische vertragingen te verminderen, waardoor uiteindelijk de kwaliteit van de zorg voor personen met een risico op mondkanker wordt verbeterd.

Ondanks deze potentiële voordelen blijven er echter nog verschillende uitdagingen bestaan. Momenteel bestaat er een gebrek aan nauwkeurige definitie van OCT-patronen die specifiek zijn voor verschillende orale laesies. Dit belemmert de consistente interpretatie van OCT-beelden en beperkt het diagnostische nut ervan. Bovendien is de nauwkeurige afstemming van OCT-bevindingen met histologische analyse essentieel voor validatie en klinische toepasbaarheid. Toch is er nog steeds behoefte aan gestandaardiseerde protocollen om een ​​goede overlay van OCT-beelden met overeenkomstige histopathologische kenmerken te garanderen.

Hoewel geautomatiseerde OCT-analyse veelbelovend is voor het verbeteren van de diagnostische nauwkeurigheid, kunnen bestaande methodologieën bovendien vatbaar zijn voor vooroordelen. Deze vooroordelen moeten worden aangepakt om robuuste algoritmen te ontwikkelen die in staat zijn om op betrouwbare wijze vroege tekenen van mondkanker te detecteren, getraind op gestandaardiseerde vergelijkingstechnieken tussen OCT en histologie.

Daarom is het van cruciaal belang om deze uitdagingen aan te pakken door de standaardisatie van OCT-beeldvormingsprotocollen, het vaststellen van consistente OCT-patronen en de ontwikkeling van onbevooroordeelde geautomatiseerde analysemethoden. Dit zal niet alleen de klinische bruikbaarheid van OCT bij de diagnose van orale kanker vergroten, maar ook de patiëntresultaten verbeteren door eerdere detectie en interventie mogelijk te maken.

Doelstellingen en aanpak:

1. Standaardisatie van techniek voor OCT-scans en biopsie van orale laesies:

   • Doel: Het standaardiseren van de biopsie-acquisitietechniek voor zowel OCT- als histologische analyse, waardoor een betrouwbare correlatie tussen beeldvormingsmodaliteiten wordt gewaarborgd.
   • Aanpak: We zullen een gestandaardiseerd biopsie-acquisitieprotocol ontwikkelen en implementeren, waarbij weefselbehoud en afstemming met OCT-beeldvormingsparameters worden geoptimaliseerd. Hierbij kan het gaan om gespecialiseerde instrumenten en procedurele richtlijnen die zijn toegesneden op het maximaliseren van de diagnostische opbrengst, waarbij de nadruk ligt op standaardisatie van de locatie en afmetingen van optische en chirurgische monsters. Er zullen gedetailleerde protocollen worden opgesteld voor OCT-beeldvorming, waardoor consistente acquisitieparameters op alle locaties worden gegarandeerd. Op dezelfde manier zal de histologische verwerking van biopsiespecimens voldoen aan gestandaardiseerde protocollen om de integriteit te behouden en een nauwkeurige correlatie met OCT-bevindingen te vergemakkelijken. Een nieuwe optische en histologische procedure van Target-biopsie zal worden uitgevoerd en beoordeeld.

2. Standaardisatie van OCT-patronen van orale carcinogenese:

   • Doel: Het vaststellen van gestandaardiseerde patronen voor OCT-beeldvorming van OPMD's en OSCC's, waardoor de diagnostische nauwkeurigheid wordt verbeterd.
   • Aanpak: De evaluatie van OCT-beelden zal een nauwgezette analyse met zich meebrengen om consistente patronen te identificeren die een weerspiegeling zijn van verschillende orale laesies. Door deze patronen te correleren met histologische bevindingen, willen we een uitgebreide referentiegids ontwikkelen voor het nauwkeurig en consistent interpreteren van OCT-beelden.

3. Creatie van een beelddataset voor de ontwikkeling van diagnostische software:

   • Doelstelling: Het verzamelen van een uitgebreide opslagplaats van LGO-beelden, waardoor de ontwikkeling van digitale diagnostische hulpmiddelen wordt vergemakkelijkt.
   • Aanpak: Een robuuste dataset bestaande uit OCT-beelden en bijbehorende histologische gegevens zal zorgvuldig worden samengesteld. Deze dataset zal dienen als basis voor het trainen en valideren van machine learning-algoritmen gericht op het ontwikkelen van geavanceerde diagnostische software die in staat is om vroege tekenen van mondkanker met een hoge gevoeligheid en specificiteit te detecteren.

Door deze doelstellingen na te streven, willen we niet alleen de werkzaamheid van OCT bij de vroege diagnose van orale kanker evalueren, maar ook bijdragen aan de standaardisatie van diagnostische methodologieën en de weg vrijmaken voor de integratie van geavanceerde technologieën in de klinische praktijk.