gms | German Medical Science

Im Forschungsfeld „Bildgebendes Verfahren in der Augenheilkunde“ – und auch generell in der Medizin – findet man immer mehr erfolgreiche Anwendungen von Methoden der künstlichen Intelligenz (KI). Der Grund ist einerseits die neue Entwicklung von Deep-Learning Methoden, die einen Durchbruch in verschiedensten Anwendungsfällen von KI erzielt hat. Anderseits ermöglicht der technische Fortschritt bei Retina-Kameras und -Scannern immer höher aufgelöste Netzhaut-Aufnahmen, die eine genauere Analyse und dadurch sicherere Diagnosen und Behandlungsentscheidungen ermöglichen. Dabei helfen die KI-Methoden die zunehmende Menge an aufgenommener Information mit 2D-Fundus- oder 3D-OCT-Bildenr zu verarbeiten, die auch zum Teil beim Anschauen nicht sofort ersichtlich werden. Diese KI-Anwendungen kann man in drei Kategorien teilen:

1.

Segmentierung oder Quantifizierung der Netzhautstrukturen und Pathologien.

2.

Screening von Netzhauterkrankungen und Diagnosen im Sinne einer Bestimmung der Krankheitsverlaufsphase.

3.

Prognose des Krankheitsverlaufs und personalisierte Medizin.

Die neusten Publikationen aus den letzten 3-4 Jahren zeigen einen Sprung in der Genauigkeit der KI-Algorithmen in allen drei genannten Kategorien, vor allem für die Krankheiten altersbedingte Makuladegeneration (AMD) und diabetische Retinopathie (DR). Durch die Segmentierung von Netzhautschichten in OCT-Bildern kann man zum Beispiel die Dicke der Schichten berechnen. Durch lokalisierte Segmentierung von Flüssigkeit kann man deren Art, Menge und Verteilung automatisch bestimmen. So quantifizierte Daten können zwecks Screening, Diagnose oder Prognose weiterverarbeitet werden. Durch die Erkennung und Quantifizierung von Drusen, geografischer Atrophie oder auch intra- oder subretinaler Flüssigkeit kann man zum Beispiel die verschiedenen AMD-Stadien automatisch bestimmen. Die Erkennung von Krankheitszeichen wie Blutung, harte Exsudate oder Anomalien der Blutgefäße helfen zur Erkennung und Klassifizierung von DR. Darüber hinaus dienen die quantifizierte Daten als Biomarker in klinischer Forschung, um ihre Korrelationen mit der Netzhaut-Funktion und Behandlungsmethoden zu untersuchen. Außerdem können die KI-Methoden verschiedene Zeitverlaufsmuster aus vorhandenen Patientenbildern und den klinischen Daten lernen, anhand derer man Vorhersagen über den weiteren möglichen Verlauf von neuen Patienten treffen kann.