MOUNTAIN VIEW (Biermann) — Aufgrund der Invasivität diagnostischer Tests für die Bestimmung einer Anämie und der mit der Überprüfung verbundenen Kosten bleibt die Erkrankung bei Patienten häufig unentdeckt.
In ihrer neuen Studie haben Wissenschaftler um Akinori Mitani, der Softwareentwickler bei Google Health ist, ein automatisiertes Anämiescreening auf der Basis von Bildern des Augenhintergrundes entwickelt. Dieses könnte laut den Autoren insbesondere Patienten mit Diabetes zu Gute kommen, die sich einer regelmäßigen Netzhautbildgebung unterziehen und bei denen eine Anämie das Morbiditäts- und Mortalitätsrisiko erhöht.
Die Forscher wollten mit ihrer Studie zeigen, dass eine Anämie per Algorithmen, die auf maschinellem Lernen beruhen, erkannt werden kann. Der Algorithmus wurde mit Bildern des Augenhintergrundes, im Speziellen der Netzhaut, Metadaten der Studienteilnehmer (einschließlich ethnischer Herkunft, Alter, Geschlecht und Blutdruck) oder der Kombination beider Datentypen (Bilder und Metadaten der Studienteilnehmer) trainiert.
Anschließend sagten die Modelle basierend auf Augenhintergrundbildern, Metadaten und einer Kombination beider Modelle in einem Validierungsdatensatz von 11.388 Studienteilnehmern der UK Biobank eine Hämoglobinkonzentration (in g/dl) mit entsprechenden mittleren absoluten Fehlerwerten von 0,73 (95 %-Konfidenzintervall 0,72–0,74), 0,67 (0,66–0,68) bzw. 0,63 (0,62–0,64) und mit Receiver Operating Characteristic (ROC) Flächeninhalten unter der Kurve (AUC) von 0,74 (0,71–0,76), 0,87 (0,85–0,89) und 0,88 ( 0,86–0,89) voraus. Zusätzlich prognostizierte das kombinierte Modell bei einer Gruppe von 539 Studienteilnehmern mit selbst angegebenem Diabetes die Hämoglobinkonzentration mit einem mittleren absoluten Fehler von 0,73 (0,68–0,78) und eine Anämie mit einer ROC-AUC von 0,89 (0,85–0,93).
(sh)
