96. Jahresversammlung der Deutschen Gesellschaft für Hals-Nasen-Ohren-Heilkunde, Kopf- und Hals-Chirurgie

Prof. Dr.

Vorsitz

NUR Wissenschaftliches Programm / ONLY Scientific Programme

Ballondilatationen an Larynx und Trachea

Dr. med.

Vortrag auf Einladung

Stimmverbessernde Operationen bei einseitiger Rekurrensparese – Welche Patienten profitieren von welcher Therapieoption?

Neue Konzepte in der Therapie der Larynxpapillomatose

Stimmfeminisierung – Gibt es einen Standard?

Prof. Dr. med.

PD Dr. Dr.

Priv.-Doz. Dr. med.

PD Dr. med.

PD Dr.

Die Rolle der mäßggradigen Larynxdysplasien im Kontext von Klassifizierungssystemen und klinischer Entscheidungsfindung – eine retrospektive Analyse und Literaturreview

Larynx

AER-LARY

Die Bestimmung der Prognose und damit die individuelle Therapieintensität von glottischen Leukoplakien ist mit Unsicherheiten verbunden. Die 2017 erschienen WHO-Klassifikation von Kopf- und Halstumoren schlägt ein zweigliedriges Klassifikationssystem vor. In dem zweigliedrigen Klassifikationssystem werden die "mäßiggradigen Dysplasien" (mDys) zu den high-grade Dysplasien gezählt.Es wurden 140 Patienten, die mindestens eine mikrolaryngoskopische Biopsie erhalten haben, auf die Transformationsrate zu höhergradigen Dysplasien und invasiven Karzinomen retrospektiv analysiert.Die maligne Transformationsrate, definiert als histologischer Nachweis eines invasiven Karzinoms in einer Folgebiopsie, war gering für geringgradige Dysplasien (gDys) (9%), im Gegensatz dazu hoch für mDys (41%), schwere Dysplasien (sDys) (43%) und Carcinomata in situ (CIS) (55%). Der Zeitraum zwischen der ersten Biopsie und der malignen Transformation (0,1 – 10,8 Jahre) war nicht signifikant mit der initialen histopathologischen Diagnose korreliert.Studien mit vergleichbaren Einschlusskriterien berichten über maligne Transformationsraten bei gDys von 0 – 26,9%, mDys 0 – 48%, sDys 4,3 – 53,8% und CIS 11,1 – 75%.Zusammenfassend konnte gezeigt werden, dass der Nachweis von mDys mit einer hohen malignen Transformationsrate assoziiert ist. Dieses Ergebnis wird in dem Literaturreview bestätigt. Dementsprechend sollte im Rahmen der Behandlung analog zu sDys und CIS eine histologisch kontrollierten R0-Resektion angestrebt werden. In der 2024 erschienen WHO-Klassifikation wird ein 3-gliedriges Klassifikationssystem mit Unterteilung in low-grade, high-grade Dysplasien und CIS vorgeschlagen, welche die Zuordnung der mäßiggradigen Dysplasien zu den high-grade Dysplasien fortführt.Nein.

Aerodigestivtrakt / Laryngologie / Phoniatrie

Freier Vortrag

Endoskopische Analyse makroskopischer Merkmale von Larynxkarzinomen zur Unterstützung KI-basierter Diagnostik

EinleitungDie Analyse makroskopischer Merkmale von Larynxkarzinomen mittels hochauflösender Endoskopie bietet wertvolle Einblicke in die Tumorentwicklung und unterstützt die Weiterentwicklung diagnostischer Algorithmen auf Basis Künstlicher Intelligenz.Material und MethodenEndoskopische Aufnahmen (Weißlicht und Narrow Band Imaging) einer Kohorte von 125 Patienten mit Larynxkarzinomen (Stadium T1-T4) wurden von zwei erfahrenen HNO-Ärzten analysiert. Bewertet wurden Oberflächenmerkmale (Exulzeration, exophytisches Wachstum, Hyperkeratose, papilläres Wachstum), die subepitheliale Volumenzunahme und das tumornahe Gefäßmuster nach der Klassifikation der Europäischen Laryngologischen Gesellschaft (ELS). Statistische Vergleiche der Merkmale in verschiedenen Tumorstadien erfolgten mittels Chi-Quadrat-Tests und multipler logistischer Regressionen.ErgebnissePerpendikuläre Gefäßveränderungen nach ELS wurden bei 57,6 % der Fälle beobachtet. Makroskopisch papilläre Tumoren traten in 14,4 % auf, während eine subepitheliale Volumenzunahme in 56 % aller Fälle festgestellt wurde. Exulzeration war signifikant häufiger bei T3- und T4-Tumoren, während Hyperkeratose überwiegend bei Tumoren der Stadien T1 und T2 auftrat.SchlussfolgerungDie endoskopische Evaluation makroskopischer Merkmale liefert wichtige Erkenntnisse über die Oberflächencharakteristika von Larynxkarzinomen in unterschiedlichen Tumorstadien. Diese Daten können die Entwicklung KI-basierter Mustererkennungsalgorithmen unterstützen und so zur Verbesserung diagnostischer und prognostischer Verfahren beitragen.Nein

Kann mithilfe von künstlicher Intelligenz die Nachsorge und Früherkennung von Glottiskarzinomen unterstützt werden?

Phoniatrie

AER-PHO

Background: This study evaluates a machine learning algorithm for clinical diagnostics, aiming to classify and assess healthy and pathological vocal sound signals. The goal is to create an objective scale that differentiates between these signals by training algorithms on large voice datasets. This method aims to detect subtle vocal changes that may indicate medical conditions, potentially leading to earlier diagnoses.Material and Methods: Vocal recordings from 2,676 individuals (ages 18-99; 1238 males, 1438 females) and 213 patients (ages 19-101; median age 61; 111 males, 102 females) with dysphonia of 10 etiologies were analyzed. Recordings of polysyllabic words at varying intensities were used, converted into Mel frequency cepstrum coefficients. Two models were employed: Method 1 used an unsupervised approach that reconstructed healthy vocal signals, with errors indicating deviations from normal patterns. Method 2 utilized a supervised model for cross-validation, allowing differentiation between healthy and pathological signals and categorizing clinical conditions. Discrimination capacity was evaluated using the AUROC.Results: Method 1 achieved an AUROC of 0.98, while Method 2 exceeded 0.90 across multiple diagnostic groups, indicating high discriminatory performance. Classification with Method 2 correlated strongly with established diagnoses.Discussion: Previous research has shown AI"s capability in assessing dysphonia severity. Our findings demonstrate that both AI approaches can reliably distinguish between healthy and pathological vocal signals, irrespective of age and gender.Conclusion: Artificial intelligence could support glottic carcinoma diagnosis, enabling early detection and monitoring therapy progress, including biofeedback for rehabilitation.Nein

Session 30
Larynx und Trachea – Chirurgische Konzepte

Termin

Vorsitz

Thema

Programm

Session 30Larynx und Trachea – Chirurgische Konzepte

Termin

Vorsitz

Thema

Programm

Session 30
Larynx und Trachea – Chirurgische Konzepte