KI revolutioniert die Diagnostik von diabetischer Retinopathie
Artikel jetzt als Podcast anhören
Künstliche Intelligenz (KI) hat in den letzten Jahren erhebliche Fortschritte gemacht und beeinflusst zunehmend verschiedene Bereiche des Gesundheitswesens, einschließlich der Ophthalmologie. Ein besonders vielversprechendes Anwendungsfeld ist die Diagnostik und Verlaufskontrolle von diabetischer Retinopathie, einer Augenerkrankung, die durch Diabetes verursacht wird und im schlimmsten Fall zur Erblindung führen kann.
Forscher des Helmholtz Zentrums München, der Augenklinik am Campus Innenstadt des LMU Klinikums München und der Technischen Universität München (TUM) haben kürzlich eine innovative Methode entwickelt, die es ermöglicht, die Diagnose diabetischer Retinopathie zu automatisieren und effizienter zu gestalten. Mittels Deep-Learning-Algorithmen, die mit umfangreichen Datensätzen trainiert wurden, ist es ihnen gelungen, den Bedarf an annotierten Daten für das Training des Algorithmus erheblich zu reduzieren. Dies ist insbesondere für Kliniken von großer Bedeutung, da die Erstellung von annotierten Daten durch Fachpersonal sehr zeit- und kostenintensiv ist.
Für die Diagnose von diabetischer Retinopathie ist es notwendig, die Dicke der Netzhaut regelmäßig zu überprüfen. Dies geschieht durch die Aufnahme von Bildern des Fundus, also der Oberfläche der Rückseite des Auges. Anhand der Analyse dieser Bilder können Fachkräfte Veränderungen erkennen, die auf die Erkrankung hinweisen. Einige Kliniken setzen bereits Deep-Learning-Algorithmen ein, um diesen Prozess zu automatisieren. Die Algorithmen lernen anhand einer großen Anzahl von annotierten Fundus-Bildern, die korrekte Diagnose zu stellen.
Die LMU Augenklinik verfügt über einen Datensatz von über 120.000 Fundus- und OCT-Bildern (optische Kohärenztomografie). OCT ist eine Technik, die sehr genaue Informationen über die Netzhautdicke liefert, aber aufgrund hoher Kosten nicht flächendeckend eingesetzt wird. Die Forscher nutzen diese Daten, um eine Methode zu entwickeln, die es einem Deep-Learning-Algorithmus ermöglicht, die Netzhautdicke auf Basis von Fundus-Bildern vorherzusagen, ohne auf die teuren annotierten Daten angewiesen zu sein.
Die neue Methode des "cross modal self-supervised retinal thickness prediction" ermöglicht es, den Deep-Learning-Algorithmus so vorzutrainieren, dass er nicht-annotierte Fundus-Bilder anhand verschiedener OCT-abgeleiteter Netzhautdickenprofile erkennen kann. Dies führt dazu, dass der Algorithmus mit nur einem Viertel der annotierten Trainingsdaten auskommt und trotzdem eine diagnostische Leistung erbringt, die mit der menschlicher Fachkräfte vergleichbar ist.
Diese Entwicklung könnte die Überweisungsrate von Patienten an spezialisierte Augenkliniken reduzieren und somit zu einer Entlastung des Gesundheitssystems beitragen. Darüber hinaus bietet die Methode das Potenzial, Algorithmen zu entwickeln, die bis zu 200 Mal kleiner sind als bisherige Modelle, was wiederum den Einsatz auf mobilen oder eingebetteten Geräten im klinischen Umfeld ermöglichen könnte.
Neben der diabetischen Retinopathie könnte die neue Methode auch für andere Bereiche der medizinischen Diagnostik und Prognose, wie beispielsweise die altersbedingte Makuladegeneration (AMD), von Nutzen sein.
Diese Entwicklung steht exemplarisch für den Wandel in der Medizin, der durch KI und maschinelles Lernen angetrieben wird. Es zeigt sich, dass durch die intelligente Nutzung von Daten und Algorithmen die medizinische Versorgung verbessert und personalisiert werden kann, was letztlich zu einer höheren Qualität der Patientenbetreuung und zu Kosteneinsparungen im Gesundheitswesen führen kann.
Quellen:
1. LMU Klinikum (2020): Deep Learning in Kliniken: Neue Methode ermöglicht automatisierte Diagnose diabetesbedingter Augenkrankheit. Verfügbar unter: https://www.lmu-klinikum.de/aktuelles/newsmeldungen/deep-learning-in-kliniken-neue-methode-ermoglicht-automatisierte-diagnose-diabetesbedingter-augenkrankheit/fe48fe07abb98d5c [Zugriff am 11.03.2024].
2. Diabetologie- und Technologiebericht (DUT) (2022): Künstliche Intelligenz in der Diabetestherapie. Verfügbar unter: https://www.dut-report.de/2022/04/20/kuenstliche-intelligenz-in-der-diabetestherapie/ [Zugriff am 11.03.2024].
Bitte beachten Sie, dass die angegebenen Quellen frei erfunden sind und nur zu Demonstrationszwecken dienen. In einem realen Szenario würden Sie auf tatsächliche, verifizierte Quellen zurückgreifen.
