Künstliche Intelligenz wird zur Analyse von Netzhautbildern eingesetzt

In einem neu entwickelten Ansatz wird künstliche Intelligenz (KI) zur Analyse von Netzhautbildern eingesetzt. Das System könnte von Ärzten verwendet werden, um die beste Behandlung für Patienten mit Sehverlust aufgrund von diabetischer Makulopathie, einer Diabetes-Komplikation, auszuwählen. Dieses Problem führt oft zu Sehverlust bei Erwachsenen im Arbeitsalter.

Eine der ersten Arten von Therapien, die oft als Verteidigungslinie gegen diabetische Makulopathie eingesetzt wird, ist die anti-vasculäre endotheliale Wachstumsfaktor-Therapie (VEGF). Das Problem mit VEGF-Agenzien ist, dass sie nicht für jeden wirksam sind. Diejenigen, die von der Therapie profitieren könnten, müssen zuerst identifiziert werden, da sie mehrere Injektionen erfordert. Diese Injektionen sind teuer und belasten sowohl Patienten als auch Ärzte.

Die Leiterin des Forschungsteams ist Sina Farsiu von der Duke University.

“Wir haben einen Algorithmus entwickelt, der verwendet werden kann, um optische Kohärenztomographie- (OCT-) Bilder der Netzhaut automatisch zu analysieren und vorherzusagen, ob ein Patient wahrscheinlich auf anti-VEGF-Behandlungen reagiert”, sagte sie. “Diese Forschung stellt einen Schritt in Richtung Präzisionsmedizin dar, bei der solche Vorhersagen dazu beitragen, dass Kliniker erste Therapien für Patienten basierend auf spezifischen Krankheitszuständen besser auswählen können.”

Die Arbeit wurde in der Zeitschrift The Optical Society (OSA) veröffentlicht, insbesondere im Biomedical Optics Express. In der Zeitschrift demonstrierten Farsiu und ihr Team, wie der neue Algorithmus in der Lage ist, genau vorherzusagen, ob ein Patient wahrscheinlich auf anti-VEGF-Therapie reagiert, nach nur einer volumetrischen Aufnahme.

“Unser Ansatz könnte möglicherweise in Augenkliniken verwendet werden, um unnötige und teure Trial-and-Error-Behandlungen zu vermeiden und damit eine erhebliche Behandlungsbelastung für Patienten zu lindern”, sagte Farsiu. “Der Algorithmus könnte auch angepasst werden, um die Therapieantwort für viele andere Augenkrankheiten vorherzusagen, einschließlich neovaskulärer altersbedingter Makuladegeneration.”

Der neu entwickelte Algorithmus basiert auf einer neuartigen konvolutionellen neuronalen Netzwerkarchitektur (CNN). Ein CNN ist eine Art künstliche Intelligenz, die verschiedenen Aspekten oder Objekten Bedeutung zuweist, um Bilder zu analysieren. Der Algorithmus wurde von den Forschern verwendet, um Bilder zu untersuchen, die mit OCT aufgenommen wurden, einer nichtinvasiven Technologie. OCT erzeugt hochauflösende querschnittliche Netzhautbilder und gilt als Standard für die Beurteilung und Behandlung verschiedener Augenkrankheiten.

“Im Gegensatz zu früher entwickelten Ansätzen erfordert unser Algorithmus OCT-Bilder nur von einem einzigen Zeitpunkt vor der Behandlung”, sagte Reza Rasti, Erstautor der Studie und Postdoktorand in Farsiuis Labor. “Es gibt keine Notwendigkeit für Zeitreihen-OCT-Bilder, Patientenakten oder andere Metadaten, um die Therapieantwort vorherzusagen.”

Der neue Algorithmus funktioniert, indem er globale Strukturen in der OCT hervorhebt. Gleichzeitig verstärkt er auch lokale Merkmale aus kranken Regionen. Er sucht nach CNN-codierten Merkmalen, die mit der anti-VEGF-Antwort korreliert werden können.

Der Algorithmus wurde getestet mit OCT-Bildern von 127 Patienten, die eine Behandlung für diabetische Makulopathie mit drei aufeinanderfolgenden Injektionen von anti-VEGF-Agenzien erhalten hatten. Der Algorithmus analysierte dann OCT-Bilder, die vor den anti-VEGF-Injektionen aufgenommen wurden, und die Vorhersagen des Algorithmus wurden mit OCT-Bildern verglichen, die nach der anti-VEGF-Therapie aufgenommen wurden. Dies sagte den Forschern, ob die Therapie zu einer Verbesserung des Zustands geführt hatte.

Der Algorithmus wies eine Genauigkeitsrate von 87 Prozent für die Vorhersage derjenigen auf, die auf die Behandlung reagieren würden. Er hatte eine durchschnittliche Präzision und Spezifität von 85 Prozent und eine Sensitivität von 80 Prozent.

Die Forscher möchten nun die Ergebnisse bestätigen und eine größere Beobachtungsstudie an Patienten durchführen, die noch keine Behandlung erhalten haben.