Artikel
Deep-Learning-basierende Entscheidungshilfen für die Behandlung von neovaskulärer AMD
Suche in Medline nach
Autoren
Veröffentlicht: | 28. Januar 2022 |
---|
Gliederung
Text
Hintergrund: Die Anti-VEGF-Therapie gilt derzeit als Standard für die Behandlung der neovaskulären AMD (nAMD). Ziel dieser Studie war die Entwicklung von convolutional neural networks (CNN), die allein auf der Grundlage von SD-OCT die behandlungswürdigen Formen einer nevoaskulären AMD unterscheiden können. Dies kann die Grundlage für die spätere Entwicklung eines anwendbaren medizinischen Entscheidungsunterstützungssystems sein.
Methoden: SD-OCT-Volumina einer konsekutiven Eeal-life-Kohorte von 1.503 nAMD-Patienten wurden analysiert und zwei Experimente durchgeführt. Zur Unterscheidung zwischen den Klassen ‚keine Behandlung‘ und ‚Erstbehandlung‘ in Experiment 1 sowie ‚stabilisierte nAMD‘ und ‚aktive nAMD‘ in Experiment 2 wurden zwei neuentwickelten CNNs auf der Grundlage von SD-OCT-Volumenscans entwickelt und auf ihre Robustheit und Leistungsfähigkeit getestet. In einem Schritt in Richtung erklärbare künstliche Intelligenz (KI) wurden Saliency-Maps der SD-OCT-Volumenscans von 24 Erstindikationsentscheidungen mit einer Vorhersagewahrscheinlichkeit von >97,5% analysiert. Es wurde ein KI-Benchmark mit Netzhautspezialisten durchgeführt.
Ergebnisse: Beim ersten Experiment betrug die area under curve (AUC) der receiver operating characteristic (ROC) für die Differenzierung von Patienten für die Erstanalyse 0,927 (Standardabweichung (SD): 0,018), für das zweite Experiment (Wiederholungsanalyse) 0,865 (SD: 0,027). Die Ergebnisse waren robust gegenüber Downsampling (¼ der ursprünglichen Auflösung) und Kreuzvalidierung (10-fach). Darüber hinaus ergab sich eine hohe Korrelation zwischen der KI-Analyse und der Expertenmeinung in einer Stichprobe von 102 Fällen zur Unterscheidung der behandlungsbedürftigen Patienten (k = 0,824). Auf den saliency maps waren die relevanten Strukturen für die individuellen Erstindikationsentscheidungen die Grenzfläche zwischen Netzhaut und Glaskörper, der subretinale Raum, intraretinale Zysten, der subretinale Pigmentepithelraum und die Aderhaut.
Schlussfolgerungen: Die entwickelten KI-Algorithmen können Verlaufsformen einer AMD, für die eine Behandlung oder Wiederbehandlung mit einer Anti-VEGF-Therapie indiziert ist, definieren und differenzieren. Dies könnte Nicht-Retina-Spezialisten dabei unterstützen, SD-OCT auf Expertenebene zu interpretieren. Die individuelle Entscheidung des Algorithmus kann durch Saliency-Maps überwacht werden.