gms | German Medical Science

Hintergrund: Die Anti-Vascular-Endothelial-Growth-Factor(Anti-VEGF)-Therapie ist derzeit die Standard-Therapie der neovaskulären AMD (nAMD). Real-life-Daten zeigen jedoch, dass die Indikation für die Erst- und Wiederbehandlung häufig eine Herausforderung ist. Das Ziel dieser Studie ist die Entwicklung eines Convolutional Neural Network (CNN) zur Unterscheidung von behandlungsbedürftiger und nichtbehandlungsbedürftiger nAMD allein auf der Basis eines SD-OCT-Volumens.

Methoden: Es wurden die SD-OCT-Volumina (Spectralis SD-OCT 2, Heidelberg Engineering, Heidelberg, 49 B-scans, 20° x 20°) einer konsekutiven Kohorte von 1.503 nAMD-Patienten analysiert. Letztlich wurden 2.314 Augen von 1.473 Patienten (1.637 Augen mit neovaskulärer AMD, die eine Anti-VEGF-Behandlung erforderten, und 677 Augen mit früher/intermediärer AMD) in den Experimenten berücksichtigt. Um zwischen früher/intermediären AMD und nAMD (Erstanalyse) sowie stabilisierter nAMD und wiederbehandlungsbedürftiger nAMD (Retreatment-Analyse) zu unterscheiden, wurde ein CNN, basierend auf SD-OCT-Volumenscans entwickelt und auf Robustheit und Leistung getestet.

Ergebnisse: Die Area under the Receiver Operating Characteristic Curve (AUC) für die Differenzierung von Patienten für die Erstanalyse betrug 0,931 (Standardabweichung [SD]: 0,023), für die Retreatment-Analyse 0,879 (SD: 0,015). 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 Differenzierung von behandlungsbedürftigen Patienten (κ=0,824).

Schlussfolgerungen: Die Ergebnisse unserer Studie zeigen, dass der entwickelte KI-Algorithmus Auswirkungen auf die zukünftige Entwicklung der Behandlung von nAMD in der klinischen Praxis haben kann, indem er die Indikation zur Erst- und Wiederbehandlung einer nAMD mit hoher Sicherheit unterstützt.