gms | German Medical Science

a) Die Technologie der retinalen Bildgebung hat sich rasant entwickelt, mit hochauflösenden dreidimensionalen Bildern, basierend auf tausenden von Bilddaten. Um diese Informationsfülle optimal für die klinische Diagnostik nutzen zu können, sind Methoden der Datenanalysen durch artifizielle Intelligenz (AI) erforderlich.

b) Bei Patienten mit Drusen bei früher altersbezogener Makuladegeneration (AMD), mit geographischer Atrophie (GA) und chorioidaler Neovaskularisation (CNV) wurde in festen Intervallen eine standardisierte SD-OCT (Spectralis) Untersuchung durchgeführt. Die Bilddaten wurden automatisch segmentiert und durch Vergleich mit einer manuellen Expertenauswertung (Ground Turth) validiert. Eine computerisierte Analyse von Biomarkern und Aktivitätsmustern verwendete Methoden neuronaler Netzwerke.

c) Bei früher AMD konnten die pathognomonischen Biomarker für eine Progression der Erkrankung präzise identifiziert werden: Hyperreflektive Foci und Alterationen der neurosensorischen Schichten. Eine Konversion zur GA oder CNV konnte damit mit hoher Sicherheit (80%/70%) prognostiziert werden. Die Entwicklung einzelner Drusen konnte mit einer Regressionsrate von 8% pro Jahr individuell bestimmt werden. Bei CNV zeigte intraretinale Flüssigkeit (IRF) den höchsten prognostischen Wert. Insgesamt waren flüssigkeitsbasierte Biomarker aber nur für 15-20% der Visusentwicklung relevant.

d) Methoden der AI revolutionieren die ophthalmologische Diagnostik. Sie bieten eine objektive und präzise Option zur Erkennung von klinisch relevanten Biomarkern, klinischen Prognosen und Identifikationen von pathophysiologischen Mechanismen für die Entwicklung neuer Therapiestrategien.