Objektive Analyse funktionell basierter Heiserkeit mittels Hochgeschwindigkeitsendoskopie

• Antragstellerinnen / Antragsteller: Professor Dr.-Ing. Michael Döllinger; Professorin Dr. Anne Schützenberger
• Fachliche Zuordnung: Hals-Nasen-Ohrenheilkunde, Phoniatrie und Audiologie
• Förderung: Förderung seit 2016
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 323308998

Patienten mit Heiserkeit aufgrund funktioneller Dysphonie sind im klinischen Alltag weit verbreitet. Statistiken belegen, dass diese bis zu 50% aller Stimmstörungen ausmachen. Im Gegensatz zu den leicht diagnostizierbaren morphologisch basierten Stimmstörungen, können die Merkmale einer funktionellen Dysphonie nur anhand der Stimmlippenbewegung während der Phonation erkannt werden. Die sichtbaren pathologischen Schwingungsmuster reichen von einer leichten periodischen links-rechts Asymmetrie ohne Glottisschlussinsuffizienz bis zu einer hochgradig dynamischen Asymmetrie in Kombination mit ausgeprägter Glottisschlussinsuffizienz. Wir visualisieren die Stimmlippenschwingungen mittels eines Endoskops gekoppelt an eine Hochgeschwindigkeitsvideokamera (HSV). Das akustische Signal wird synchron aufgezeichnet. Bisher erfolgt die HSV basierte Diagnostik weitgehend subjektiv und ist somit stark abhängig von der Erfahrung des Arztes. Ein Grund hierfür ist der Mangel an automatisierten, klinisch einsetzbaren Bildverarbeitungsalgorithmen, weshalb keine allgemein anerkannten, objektiven HSV Parameter existieren. Im bisherigen Projektzeitraum entwickelten wir eine Software welche eine automatische Extraktion objektiver HSV Parameter erlaubt; d.h. hinreichend schnell und robust. Diese Software wird aktuell bereits von 27 wissenschaftlichen Gruppen in 7 Ländern benutzt. Wir konnten zeigen, dass eine Vielzahl von bisher verwendeten HSV Parametern sich nicht zur Beurteilung der funktionellen Dysphonie eignet bzw. für den klinischen Einsatz ungeeignet ist. Mit aktuellen Methoden des Machine Learning (Methoden der Künstlichen Intelligenz) konnten wir bereits unterschiedliche Ausprägungen funktioneller Dysphonien trennen und diese auch von normaler Stimmgebung abgrenzen. Die Güte der bisherigen Klassifizierungsansätze (getrennte Betrachtung klinischer, akustischer und HSV Parameter) ist für den klinischen Einsatz jedoch noch nicht hinreichend; dies soll im weiteren Projektverlauf erreicht werden:Somit Ist im weiteren Verlauf des Projekts unser zentrales Ziel bisher klinisch verwendete, akustische und HSV Parameter gemeinsam in Kombination zu nutzen und ihre Aussagekraft mittels moderner Machine Learning Verfahren zu analysieren um (1) eine objektive Graduierung der Schwere der Heiserkeit zu ermöglichen; (2) altersabhängige Parameter zu identifizieren; (3) objektiv den Verlauf der klinischen Therapie zu verfolgen und zu quantifizieren; (4) die verwendeten Machine Learning Algorithmen in ein Softwaretool einzubinden, welches von klinischen und wissenschaftlichen Kollegen für eigene Studien genutzt werden kann um die von uns vorgeschlagenen Methoden schlussendlich in den klinischen Alltag zu überführen; d.h. eine quantitative und visuelle computergestützte Darstellung zur objektiven Einschätzung funktioneller Dysphonien und deren Therapieverlauf.

• DFG-Verfahren: Sachbeihilfen