Das KI-Modell reduziert Fehler bei der Augenuntersuchung drastisch

Forscher haben kürzlich einen Algorithmus für künstliche Intelligenz entwickelt, der Sehprobleme offenbar genauer diagnostizieren kann als die klassischen Sehtests, die derzeit von Ärzten verwendet werden. Laut WissenschaftBerichten zufolge kann der neue Test Diagnosefehler bei Augenuntersuchungen um etwa 74 % reduzieren.

Seit Jahrzehnten verwenden Augenärzte den gleichen Sehtest, die klassische Augenuntersuchung auf Basis von Schautafeln mit unterschiedlich großen Buchstaben und Symbolen. Die Interpretation der Testergebnisse obliegt dem Augenarzt, und natürlich kann es bei der Interpretation der Ergebnisse und der Diagnose zu Fehlern kommen. Forscher der Stanford University wollten diese Tests mit einem KI-Algorithmus verbessern.

Laut einem Informatiker an der Stanford University, Chris Piech, besteht ein Teil des Problems bei herkömmlichen Tests darin, dass die Testperson beginnt, die Buchstaben zu erraten, wenn die Buchstaben so verschwommen sind, dass die Testperson sie nicht mehr sehen kann. Diese Vermutung bedeutet, dass die Testergebnisse variieren können, wenn eine Person den Test mehrmals durchführt. Um einen Test mit besserer Genauigkeit und Reproduzierbarkeit zu entwickeln, haben Piech und Kollegen einen Online-Test erstellt, dessen Ergebnisse zum Trainieren eines KI-Modells verwendet werden. Der Online-Test führt den Benutzer zunächst durch den Prozess der Bildschirmkalibrierung. Nachdem der Bildschirm kalibriert ist, gibt der Benutzer seinen Abstand zum Bildschirm ein und dann zeigt das Programm den Buchstaben „E“ an, der in verschiedenen Ausrichtungen erscheint. Anschließend weist das Modell dem Benutzer basierend auf einem statistischen Modell einen Sehwert zu. Das Programm stellt für jedes Auge 20 Fragen, aktualisiert dabei seinen Sehwert und erstellt dann eine Vorhersage basierend auf dem Sehwert.

Das Forschungsteam ließ sein Modell 1000 Computersimulationen durchlaufen, die die Eingaben echter Patienten nachahmten. Die Computersimulation funktioniert, indem sie mit einem bekannten Sehschärfe-Score vorbereitet wird und dann die Arten von Fehlern macht, die eine Person bei der Durchführung des Tests machen könnte. Die Forscher führten die Tests auf diese Weise durch, weil es für jeden Test einen „echten“ Sehschärfewert gibt, was nicht der Fall ist, wenn ein Mensch den Test durchführt. Nach Angaben der Forscher konnte ihr Modell die Diagnosefehler im Vergleich zu den klassischen Sehtests um rund drei Viertel (74 %) reduzieren. Trotz dieser ziemlich beeindruckenden Ergebnisse weisen Piece und Kollegen darauf hin, dass das Modell nicht dazu gedacht ist, Ärzte zu ersetzen, sondern vielmehr ein Werkzeug ist, mit dem Ärzte möglicherweise die Genauigkeit einer Diagnose verbessern könnten.

Augenarzt Mark Blecher meinte zur Wissenschaft dass es sich bei dem Programm zwar um eine hilfreiche und clevere Implementierung von KI-Modellen für die Augenheilkunde handelt, die Forscher aber auch Dinge wie die Umgebung, in der die Testperson den Test durchführt, berücksichtigen sollten, da diese Attribute ebenfalls Einfluss auf die Testergebnisse haben können. Darüber hinaus geht Blecher davon aus, dass es für die Forscher schwierig sein könnte, Augenärzte dazu zu bringen, ihr neues Modell zu verwenden und sich auf einen neuen Standard zu einigen, da der Status quo nur schwer umzukehren sein kann.

Die von Piech und Kollegen durchgeführten Forschungen sind nicht die einzige aktuelle Entwicklung in Bezug auf KI und Vision. Kürzlich Google ein KI-Modell entwickelt Dies könnte Ärzten gelegentlich bei der Identifizierung häufiger Augenerkrankungen überlegen sein das kann zum Verlust der Sehkraft führen. Google DeepMind hat mit dem Moorfields Eye Hospital zusammengearbeitet, um ein Modell zu entwickeln, das die Wahrscheinlichkeit, dass ein Patient eine schwere Form der Makuladegeneration entwickeln könnte, aussagekräftig vorhersagen kann. An anderer Stelle nutzte ein israelisches Startup namens AEYE Health Computer-Vision-Techniken und maschinelles Lernen, um Netzhautscanner zu entwickeln, die möglicherweise eine grundlegende, genaue Erkennung häufiger Augenerkrankungen ermöglichen und den Patienten bei positiver Diagnose an einen Arzt überweisen können.