Sehschärfenvorhersage bei feuchter AMD

08. März 2018

Künstliche Intelligenz (KI) wird in vielen Bereichen des täglichen Lebens eine immer größer werdende Rolle spielen. Viele Experten sehen die Medizin als einen der wichtigsten Bereiche für maschinelles Lernen und KI an. Die Augenheilkunde nimmt hierbei eine Pionierrolle ein, da viele Daten zur Verfügung stehen und vielfältige Auswertungen möglich sind.

Prof. Dr. med. Priglinger (Foto: LMU Klinikum)

Vor der Einführung dieser Medikamente war eine feuchte AMD oftmals mit einem Sehverlust bis hin zur Erblindung gleichzusetzen. Dabei sind vielfach beide Augen betroffen. Mittels Injektion der oben genannten Medikamente in den Glaskörperraum kommt es zu einem Rückgang von neugebildeten, defekten und porösen Gefäßen sowie zu einem Rückgang der Schwellung der Netzhaut im Sehzentrum mit einer signifikanten Verbesserung der zentralen Sehschärfe. Es handelt sich meist um eine langfristige Therapie, was Besuche in einer Augenklinik oder -praxis alle ein bis drei Monate bedeutet. Es ist bekannt, dass eine derartige Therapie für Patienten eine psychische Belastung darstellt, wenn auch in den meisten Fällen eine Stabilisierung bzw. Verbesserung der Sehschärfe erreicht werden kann.

Um frühzeitig im Behandlungsverlauf gegenüber den Betroffenen eine Vorhersage über die Entwicklung ihrer Sehkraft geben zu können, haben Forscher der Arbeitsgruppe der Augenklinik der LMU München mittels maschinellem Lernen einen Algorithmus zur Sehschärfevorhersage bei feuchter AMD trainiert. Dazu nutzten sie Daten der Patienten aus vorangegangenen Untersuchungen. Diese Arbeit entstand in Zusammenarbeit mit dem Lehrstuhl für Datenbanksysteme und Data Mining (Professor Volker Tresp) der LMU München sowie mit ärztlichen Kollegen aus dem Moorfields Eye Hospital, London. Basis dieser Prädiktion war die Smart Eye Database der LMU-Augenklinik, die sowohl Untersuchungs- als auch Bilddaten von über 350.000 Patienten der Augenklinik der Universität München enthält. Die Datenbank wird jede Nacht mit Daten des Vortages aus der elektronischen Patientenakte sowie aus bildgebenden Verfahren aktualisiert. Für die Vorhersagen wurden 41 Merkmale aus der Patientenakte und 124 Merkmale aus den OCT-Untersuchungen analysiert.

Es konnte für den Vorhersagezeitraum von drei Monaten eine Genauigkeit von 5,5 Buchstaben und 8 Buchstaben für den Horizont von zwölf Monaten erreicht werden. 5 Buchstaben entsprechen einer Zeile auf den bekannten Sehschärfetafeln beim Augenarzt bzw. Optiker. Die Ergebnisse dieser Arbeit sind vor kurzem im renommierten Journal "Ophthalmology" erschienen. Mit dieser Studie ist die Arbeit aber noch nicht beendet. Die Forscher erhoffen sich, dass unter Berücksichtigung von OCT-Bildeigenschaften, die mittels Deep Learning (einer Spezialisierung des maschinellen Lernens) erkannt werden können, eine noch präzisere Aussage möglich ist.

Quelle: LMU Klinikum