Artikel
Plattformgestütztes Machine-Learning-Verfahren zur Unterstützung einer anti-VEGF-Therapie bei der exsudativen AMD
Suche in Medline nach
Autoren
Veröffentlicht: | 29. Januar 2021 |
---|
Gliederung
Text
Hintergrund: Ziel dieses Projektes war es, einen Machine-Learning-basiertes, plattformgestützten Verfahren zu entwickeln, um mit einem Deep-Learning-Network (DLN) die Indikationsstellung zur Erst- und Wiederbehandlung bei einer anti-VEGF-Therapie im Rahmen einer exsudativen AMD (nAMD) anhand von SD-OCT-Daten einer Real-Life-Kohorte zu unterstützen.
Methoden: SD-OCT-Daten (Spectralis OCT 2, Heidelberg Engineering, Heidelberg) von 1.059 Patienten, die zwischen 2014–2019 im Augenzentrum am St. Franziskus-Hospital behandelt wurden, gingen in die Analyse ein. Um zwischen nAMD/intermediate AMD SD-OCTs (initiale Analyse) und stabilisierten nAMD/wiederbehandlungsbedürftigen nAMD SD-OCTs (Wiederbehandlungsanalyse) zu unterscheiden, wurde eine DLN entwickelt.
Ergebnisse: Die area under the receiver operating characteristic curve (AUC) für die Differenzierung der behandlungsbedürftigen Patienten betrug 0,912 (SD: 0,027). Für die Indikation zur erneuten Behandlung betrug die AUC 0,816 (SD: 0,040).
Schlussfolgerungen: Die Entscheidung zur Erst- und Wiederbehandlung für eine Anti-VEGF-Therapie bei nAMD kann bei Patienten einer Real-Life-Kohorte durch eine DLN unterstützt werden. Eine Anotation der OCT-Daten war hierzu nicht erforderlich. Eine Limitation war die Verkleinerung der Datenvolumen aufgrund von Speicherbeschränkungen.