Artikel
Prädiktion des Therapiebedarfs bei neovaskulärer AMD mittels eines annotationsbasierten Künstliche-Intelligenz-Algorithmus
Suche in Medline nach
Autoren
Veröffentlicht: | 3. Februar 2023 |
---|
Gliederung
Text
Hintergrund: Convolutional Neural Networks (CNN) können die Therapie einer nAMD mit intravitrealen VEGF-Inhibitoren durch die Auswertung von SD-OCTs unterstützen. Das Ziel dieser Studie war es, einen schon bestehenden, alleine auf SC-OCT-Daten basierenden KI-Algorithmus zu verbessern, um die zeitliche Reichweite der KI-Prädiktion zu erweitern, so dass nicht nur eine aktuelle Indikation zur anti-VEGF-Therapie, sondern auch eine Prädiktion der Intensität der zukünftigen Behandlung möglich ist.
Methoden: Eine Kohorte von nAMD-Patienten aus früheren Arbeiten wurde erweitert. Es wurden 1.163 longitudinale SD-OCT-Datensätze von 936 nAMD-Patienten (580 weiblich) analysiert, die nach Pro-re-nata-Schema behandelt wurden. In 4.177 SD-OCTs wurden 17 retinale Biomarker und 3 Netzhautschichten von 5 Junior- und Seniorgradern annotiert. Mit Hilfe dieser Annotationen wurden Segmentierungsmodelle trainiert und 5x5 kreuzvalidiert. In einem zweiten Schritt wurden die Prädiktions-Modelle konzipiert und trainiert, um auf Basis der SD-OCT-Daten bzw. KI-Segmentierungen den IVOM-Therapiebedarf bei nAMD vorherzusagen.
Ergebnisse: Bei der Vorhersage der nächsten Verlaufskontrolle konnte die Güte von 68,5% AUC (Area Under Curve) ohne Segmentierungen auf 73.8% AUC gesteigert werden. Bei der Prädiktion des Zeitintervalls ohne Aktivität nach der aktuellen IVOM-Serie konnte die Güte von 70.4% AUC auf 77.4% gesteigert werden. Dabei wurden zwischen Fällen mit langem (stabil >12 Wochen) und kurzem Inaktivitätsintervall (stabil ≤6 Wochen) unterschieden. Bei Prädiktion der Injektionsfrequenz konnte bei Unterscheidung zwischen „höchstens 1 Serie“ und „mindestens 3 Serien“ die Güte von 73,2% AUC auf 78,1% AUC gesteigert werden.
Schlussfolgerungen: Der Therapiebedarf bei der nächsten Kontrolle sowie die Prognose der nächsten Monate konnten mit den CNN-gestützten KI-Modellen gut vorhergesagt werden. Falls sich im Rahmen einer Verlaufskontrolle eine Aktivität der nAMD in der SD-OCT zeigte, erwiesen sich die auf den Biomarker basierenden Modellen als Verbesserung gegenüber reinen SD-OCT-Modellen. Bei einer nAMD ohne Krankheitsaktivität und ohne Indikation zu einer anti-VEGF-Therapie konnten wir keine Verbesserung durch Annotationen feststellen. Wir sehen die Ergebnisse als Schritt hin zur Individualisierung einer anti-VEGF Therapie