Eine neue Kombination aus optischer Kohärenztomographie (OCT) und KI-basierter Anomalie-Erkennung könnte künftig die intraoperative Analyse von Lebergewebe deutlich beschleunigen. Forscher des Fraunhofer-Instituts für Produktionstechnologie IPT und der Uniklinik Aachen haben damit einen ersten „Proof of Concept“ erzielt.

Bei Leberkrebs-Operationen wird derzeit entnommenes Gewebe histologisch untersucht, um sicherzustellen, dass kein Tumor zurückbleibt. Dieser Prozess kostet Zeit, bindet Personal und erhöht das Risiko für Komplikationen, da der Patient weiterhin in Narkose bleibt. Die neue Methode liefert hingegen innerhalb von Sekunden eine Klassifikation, ob es sich um gesundes oder tumoröses Gewebe handelt.

Die OCT-Technologie erzeugt hochauflösende 3D-Scans des Gewebes mit Lichtwellen. In einem Laborversuch wurden 173 Scans von 69 Patientinnen und Patienten ausgewertet. Die KI wurde dabei mit dem Prinzip der Anomalie-Erkennung trainiert, das vor allem gesunde Daten als Referenz nutzt und Abweichungen zuverlässig erkennt.

Die durchschnittliche Korrektheit lag bei 81 Prozent. Je nach Krebsart wurden Werte zwischen 65,9 und 94,3 Prozent erreicht. Die Ergebnisse wurden im Fachmagazin Scientific Reports veröffentlicht.

„Die Kombination dieser beiden Methoden stellt eine Weltneuheit dar“, betonten die beteiligten Forscher. Iakovos Amygdalos von der Uniklinik Aachen, der die Idee zur Anwendung von OCT in diesem Bereich hatte, sieht großes Potenzial für die Entwicklung eines schnellen und präzisen intraoperativen Diagnosewerkzeugs.

Die nächste Herausforderung wird die Erprobung unter realen OP-Bedingungen sein. Caroline Girmen vom Fraunhofer IPT erklärte, dass die Sensorik künftig miniaturisiert und nahtlos in den chirurgischen Workflow integriert werden soll. Ziel ist es, Operationen zu verkürzen, Personal zu entlasten und die Eingriffe patientenfreundlicher zu gestalten.

Original Paper:

Krispel, U., Pamler, A., Girmen, C. et al. Differentiating malignancy from liver parenchyma in Ex-Vivo OCT images using anomaly detection. Sci Rep 16, 18003 (2026). https://doi.org/10.1038/s41598-026-54850-0

Redaktion: X-Press Journalistenbüro GbR

Gender-Hinweis. Die in diesem Text verwendeten Personenbezeichnungen beziehen sich immer gleichermaßen auf weibliche, männliche und diverse Personen. Auf eine Doppel/Dreifachnennung und gegenderte Bezeichnungen wird zugunsten einer besseren Lesbarkeit verzichtet.