Atro­phie des reti­na­len Pigmen­t­epi­thels und der äuße­ren Netzhaut

Künstliche Intelligenz ermöglicht präzise und zeitsparende Detektion

15. September 2022

LOS ANGELES (Bier­mann) – Ein Deep-Lear­ning-Algo­rith­mus ermög­licht ein genau­es und schnel­les auto­ma­ti­sches Erken­nen einer inkom­plet­ten bzw. komplet­ten Atro­phie des reti­na­len Pigmen­t­epi­thels und der äuße­ren Netz­haut (iRORA bzw. cRORA) in OCT-Volu­men-Scans bei Pati­en­ten mit trocke­ner AMD (dAMD). Zu diesem Ergeb­nis kommen die Autoren einer aktu­el­len Veröf­fent­li­chung. Darin beto­nen sie eine in etwa entspre­chen­de Sensi­ti­vi­tät der Auswer­tung im Vergleich zu mensch­li­chen Bewer­tern, wodurch sich das Modell als effek­ti­ves diagnos­ti­sches Scree­ning-Hilfs­mit­tel erwei­sen könnte.

Im Rahmen ihrer retro­spek­ti­ven Analy­se zum Maschi­nel­len Lernen trai­nier­ten die Wissen­schaft­ler ein Deep-Lear­ning-Modell (Resi­dua­les Neuro­na­les Netz­werk­mo­dell [Resnet18]), um das Vorhan­den­sein von iRORA und cRORA auf OCT-B-Volu­men-Scans von 71 Pati­en­ten mit dAMD, die in den Doheny-UCLA Eye Insti­tu­ten (Kali­for­ni­en; USA) erfasst wurden, zu klas­si­fi­zie­ren. Die OCT-Aufnah­men wurden von einem versier­ten Gutach­ter in Bezug auf iRORA und/oder cRORA annotiert.

Zusätz­lich wende­te die Arbeits­grup­pe dieses Deep-Lear­ning-Modell auf 2 getrenn­te und unab­hän­gi­ge exter­ne OCT-B-Scan-Test-Daten­sät­ze (1177 Scans der allge­mei­nen Bevöl­ke­rung) der Univer­si­ty of Penn­syl­va­nia, der Univer­si­ty of Miami, der Case Western Reser­ve Univer­si­ty sowie des Doheny Image Reading Rese­arch Labo­ra­to­ry an, um die Out-of-Sample-Modelleis­tung zu bewerten.

Des Weite­ren quan­ti­fi­zier­ten die Forschen­den die Modelleis­tung mithil­fe der Fläche unter der Grenz­wert­op­ti­mie­rungs­kur­ve (AUROC) und solcher unter der Präzi­si­ons-Rück­ruf-Kurve (AUPRC) und vergli­chen die Sensi­ti­vi­tät, Spezi­fi­tät und den posi­ti­ven Vorher­sa­ge­wert mit zusätz­li­chen klini­schen Faktoren.

Die Forscher ermit­tel­ten aus den unab­hän­gi­gen Daten­sät­zen eine Vorher­sa­ge des Deep-Lear­ning-Models für iRORA und cRORA inner­halb der gesam­ten Scans mit nahezu perfek­ter AUROC-Leis­tung (iRORA 0,68; 95%-KI 0,54–0,81; cRORA 0,84; 95%-KI 0,75–0,94) sowie AUPRC-Leis­tung (iRORA 0,70; 95%-KI 0,55–0,86; cRORA 0,82; 95%-KI 0,70–0,93).

(tt)

Autoren: Chiang JN et al.
Korrespondenz: Srinivas R Sadda; ssadda@doheny.org
Studie: Automated Identification of Incomplete and Complete Retinal Epithelial Pigment and Outer Retinal Atrophy Using Machine Learning
Quelle: Ophthalmol Retina 2022; Aug 19;S2468-6530(22)00392-X
Web: dx.doi.org/10.1016/j.oret.2022.08.016

html

Aus rechtlichen Gründen (Heilmittelwerbegesetz) dürfen wir die Informationen nur an Fachkreise weitergeben.