Erfolgreiche Anwendung künstlicher Intelligenz bei der automatisierten Auswertung digitaler Aufnahmen der Netzhaut

26. Mai 2017 | By More

Die Universitäts-Augenklinik Bonn hat in Kooperation mit ZEISS erfolgreich einen „Machine Learning“ Algorithmus entwickelt, mit dem es möglich ist, automatisiert digitale Aufnahmen der menschlichen Netzhaut mit Hochrisikomerkmalen für das Fortschreiten der altersabhängigen Makuladegeneration auszuwerten. Mit künstlicher Intelligenz ist gerade im Verlauf eine präzisere Analyse möglich.

Die altersabhängige Makuladegeneration ist die häufigste Erblindungsursache in allen Industrienationen. Es konnten bereits bestimmte Biomarker in klinischen Studien identifiziert werden, die mit einem höheren Risiko für das Fortschreiten der Erkrankung einhergehen. Hierzu zählen u.a. sog. „fokale Hyperpigmentierungen“, welche im Rahmen der Erkrankung im Bereich der neurosensorischen Netzhaut am hinteren Augenpol auftreten In einem Auge können sich viele dieser Pigmentierungen entwickeln. Diese weisen im Verlauf vielfältige Veränderungen einschließlich Vermehrung und Größenzunahme auf.

Bislang wurden diese Veränderungen lediglich händisch dokumentiert als präsent oder nicht. Eine akkurate Detektion und Quantifizierung war so bisher nicht möglich. Um präzisere Aussagen machen zu können, erschien eine automatisierte Detektion und genaue Quantifizierung erforderlich. In Zusammenarbeit mit den Software-Ingenieuren von ZEISS ist es nun erstmals gelungen, mittels künstlicher Intelligenz und „Machine Learning“ Algorithmen einem Computer beizubringen, diese Netzhautveränderungen automatisch zu detektieren und Veränderungen im Verlauf akkurat zu quantifizieren. „Diese erfolgreiche Anwendung künstlicher Intelligenz bei der Auswertung digitaler Bilddaten im Bereich Augenheilkunde ist ein wichtiger Fortschritt, der die ärztliche Auswertung solcher komplexen Veränderungen in Zukunft wesentlich unterstützen kann“, sagt Prof. Dr. med. Frank G. Holz, Direktor der Universitäts-Augenklinik Bonn.

Die Performance des Lernalgorithmus zeigte mit einer Sensitivität von 96 % und einer Spezifität von 98 % eine hohe Präzision. Zugrunde gelegt wurden sowohl digitale Fundusaufnahmen als auch digitale Autofluoreszenzaufnahmen. „Das völlig neue Softwaretool gestattet eine rasche, akkurate und robuste Detektion sowie Vermessung eines wichtigen Hochrisikomerkmals in Augen mit altersabhängiger Makuladegeneration“, meint Prof. Dr. med. Steffen Schmitz-Valkenberg, Leitender Oberarzt und stellvertretender Direktor der Universitäts-Augenklinik Bonn.

Das Verfahren wurde an einem Datensatz von 33 Augen mit altersabhängiger Makuladegeneration getestet und soll nun Anwendung in umfänglicheren digitalen Bilddatensätzen großer klinischer Studien finden. Damit eröffnen sich die Möglichkeiten auch hin zu einer differenzierteren Klassifikation bezüglich der Risikobeurteilung von Augen mit intermediären Stadien der altersabhängigen Makuladegeneration. Dies besitzt auch hohe Relevanz für zukünftige Therapiestudien.

Das Projekt basiert auf einer langjährigen Kooperation von ZEISS und der Universitäts-Augenklinik Bonn im Rahmen des Verbundprojekts MODIAMD des Bundesministeriums für Bildung und Forschung (BMBF, FKZ 13N10349).

Digitale Aufnahme der Netzhaut bei altersabhängiger Makuladegeneration mit bräünlichen Pigmentiereungen, die ein Hochrisikomerkmal für das Fortschreiten der Ekrankung darstellen (oben); mittels sog. “machine-learning” Algorithmen identifiziert und vermisst der Computer die Veränderungen automatisch und präzise (unten)

 Publikation:
S. Schmitz-Valckenberg, A.P. Göbel, S.C. Saur, J.S. Steinberg, S. Thiele, C. Wojek, C. Russmann, F.G. Holz, for the MODIAMD-Study Group. Automated Retinal Image Analysis for Evaluation of Focal Hyperpigmentary Changes in Intermediate Age-Related Macular Degeneration.

Transl Vis Sci Technol. 2016;4;5(2):3

Category: Medizin

Comments are closed.