Artikel
Künstliche Intelligenz in Detektion von AMD und Geschlecht verstehen
Suche in Medline nach
Autoren
-
Hanna Faber
- Hamburg; Tübingen; London
-
M. Spitzer
- Hamburg
-
M. Ayhan
- London
-
I. Ilanchezian
- Tübingen
-
F. Schüttauf
- Hamburg
-
P. Berens
- Tübingen
| Veröffentlicht: | 1. Juni 2023 |
|---|
Gliederung
Text
Hintergrund: Künstliche Intelligenz (KI) übertrifft Ophthalmologen in der Bildklassifizierung. Einerseits konnte KI das Geschlecht des Patienten vorhersagen. Andererseits zeigt KI in der Erkennung retinaler Pathologien in Studien eine ausgezeichnete Performance. Barrieren in der klinischen Anwendung sind fehlende Nachvollziehbarkeiten in der Entscheidungsfindung. Ziel der Arbeit ist das Aufzeigen von Möglichkeiten, die „Black Box“ der KI zu verstehen.
Methoden: Es werden einfachere Netzwerkarchitekturen zur Erklärung des Genderproblems und ein Farbcodierungssystem angewandt, die die Relevanz unterschiedlicher Bildelemente zur Krankheitsklassifikation (Saliency-Map) bei neovaskulärer altersbedingter Makuladegeneration hervorheben.
Ergebnisse: Einfachere Netzwerke mit höherer Nachvollziehbarkeit zeigen höhere Genauigkeit (Accuracy (85.26% vrs. 82.97), AUC (0.91 vrs. 0.93)). Saliency-Maps zeigten in OCT-Daten bei altersbedinger Makualdegeneration, dass die Areale mit sub- und intraretinaler Flüssigkeit Grundlage für Aktivitätsdetektion sind.
Schlussfolgerungen: Entscheidungen künstlicher Intelligenz können transparent dargestellt werden. Diese schnellzugängliche Fals- oder Verifizierung erleichtert die Implementation in der klinischen Routine.
