NEW YORK (Reuters Health) - Laut einer neuen Studie könnte die automatisierte Bewertung der altersbedingten Makuladegeneration (AMD) anhand von Fundusbildern eine Rolle bei der Behandlung der Krankheit spielen.
Dr. Neil M. Bressler vom Wilmer Eye Institute der Johns Hopkins University in Baltimore und Kollegen verglichen die automatisierte Einstufung von AMD mit der Beurteilung durch Experten beim Menschen, um krankheitsfreie AMD im Frühstadium von AMD im Zwischen- / fortgeschrittenen Stadium zu unterscheiden.
Der 12-Jahres-Datensatz mit mehr als 13.000 digitalisierten Farbfundusbildern von 4.613 Patienten stammt aus der altersbezogenen Augenkrankheitsstudie (AREDS) der National Institutes of Health (NIH).
Es wurden zwei automatisierte Ansätze getestet. Laut dem Online-Bericht vom 28. September in JAMA Ophthalmology umfasste jede Analyse eine tiefe Faltungsanalyse des neuronalen Netzwerks (DCNN) von Fundusbildmerkmalen „ohne auf manuelle Merkmalsauswahl angewiesen zu sein“.
Die beiden DCNN-Ansätze (manchmal als „Deep-Learning-Methoden“bezeichnet) wurden mit menschlichen Gradern verglichen, um ihre Genauigkeit bei der Beurteilung der beiden allgemeinen Kategorien des AMD-Schweregrads zu ermitteln. Die Leistung wurde anhand von Goldstandardbewertungen aus dem AREDS-Datensatz des NIH gemessen.
Die Autoren berichten von einer Genauigkeit der DCNN-Methoden im Bereich von 88, 4% bis 91, 6% mit Kappa-Werten nahe oder über 0, 8, „vergleichbar mit den Leistungsniveaus von Experten durch Menschen“. Die Fläche unter der Betriebskennlinie des Empfängers für die DCNN-Verfahren betrug 0, 94 bis 0, 96.
"Mit Augenpflegespezialisten, die weltweit eine knappe Ressource sind, und dem zunehmenden Einsatz digitaler Fotografie zur Bewertung von Patienten werden Prozesse wie tiefe neuronale Netze und Methoden des maschinellen Lernens erweitert, um Bilder in Bereichen wie diabetischer Retinopathie und Makuladegeneration zu bewerten", sagte Dr. Rishi Singh, Augenarzt am Cole Eye Institute der Cleveland Clinic in Ohio.
Dr. Singh, der nicht an der Studie beteiligt war, teilte Reuters Health per E-Mail mit, dass diese Algorithmen zwar noch in der Forschungsphase sind, jedoch für die Erkennung von Krankheiten und die Risikostratifizierung von Patienten von erheblicher Bedeutung sind, um festzustellen, wer Pflege benötigt.
"Die Studie ist eine interessante Anwendung der Deep-Learning-basierten Bewertung der altersbedingten Makuladegeneration anhand von Farbfotos der Makula", sagte Dr. Johanna Seddon, Direktorin des Dienstes für ophthalmologische Epidemiologie und Genetik an der Tufts University School of Medicine in Boston.
Dr. Seddon, der nicht an der Studie beteiligt war, warnte auch davor, dass die Unterscheidung einer Kategorie von nicht oder frühen Krankheiten von mittelschweren oder fortgeschrittenen AMD keine große Herausforderung darstellt. "Die Studie gilt nicht für verfeinerte Unterschiede und Klassifizierungen der Phänotypen", sagte sie in einer E-Mail an Reuters Health.
Dr. Manju Subramanian, Spezialist für vitreoretinale Erkrankungen, Chirurgie und stellvertretender Vorsitzender für Operationen in Augenkliniken am Boston Medical Center, sagte, die Studie teste einen neuartigen Ansatz zur Verwendung künstlicher Intelligenz bei der AMD-Beurteilung.
"Die Sensitivität und Spezifität dieser neuen automatisierten Methode ist hoch, was auf ihr Potenzial für den klinischen Nutzen bei der Diagnose und Durchführung von AMD hinweist", sagte Dr. Subramanian, der nicht an der Studie beteiligt war.
"Bei ordnungsgemäßer Implementierung", sagte er per E-Mail, "könnten solche Fortschritte in der künstlichen Intelligenz die Früherkennung und Behandlung erleichtern und den Zugang zur Augenpflege in großen Bevölkerungsgruppen verbessern, die derzeit in den USA und weltweit unterversorgt sind."
Dr. Subramanian sagte, der nächste Schritt bestehe darin, die Technologie prospektiv in einer vielfältigeren Population als der in der in dieser Studie verwendeten Fotobank dargestellten zu testen.
Der entsprechende Autor der Studie antwortete nicht auf Anfragen nach Kommentaren.
Drei der sechs Autoren haben ein Patent auf ein System und ein Verfahren zur automatisierten Erkennung von AMD und anderen Netzhautanomalien.
QUELLE:
JAMA Ophthalmol 2017.
