Deep Lear­ning

Anämie-Screening mit Fundusbildern

17. April 2020

MOUNTAIN VIEW (Bier­mann) — Ein auto­ma­ti­sier­tes Anämie-Scree­ning auf der Grund­la­ge von Fundus­bil­dern könnte insbe­son­de­re für Pati­en­ten mit Diabe­tes hilf­reich sein, die sich einer regel­mä­ßi­gen Netz­haut­bild­ge­bung unter­zie­hen und bei denen eine Anämie das Morbi­di­täts- und Morta­li­täts­ri­si­ko erhö­hen kann. Das berich­ten die Verfas­ser einer kürz­lich publi­zier­ten Studie.

Aufgrund der Inva­si­vi­tät diagnos­ti­scher Tests auf eine Anämie und der mit dem Scree­ning verbun­de­nen Kosten sei die entspre­chen­de Detek­ti­ons­ra­te eher gering, erläu­tern die Wissen­schaft­ler den Hinter­grund ihrer Unter­su­chung. In ihrer Studie konn­ten sie zeigen, dass eine Anämie über maschi­nel­le Lern­al­go­rith­men erkannt werden kann, die anhand von Fundus­bil­dern der Netz­haut sowie Meta­da­ten zu den unter­such­ten Proban­den (einschließ­lich ethni­scher Zuge­hö­rig­keit, Alter, Geschlecht und Blut­druck) oder der Kombi­na­ti­on beider Daten­ar­ten (Bild­ge­bung und Meta­da­ten) trai­niert wurden.

In einem Vali­die­rungs­da­ten­satz von 11.388 Studi­en­teil­neh­mern der briti­schen Biobank prognos­ti­zier­ten die Model­le mit ausschließ­lich Meta­da­ten bzw. mit ausschließ­lich Fundes­auf­nah­men und das Kombi­na­ti­ons­mo­dell die Hämo­glo­bin­kon­zen­tra­ti­on mit durch­schnitt­li­chen abso­lu­ten Fehler­wer­ten von 0,73 (95%-KI 0,72–0,74) bzw. 0,67 (95%-KI 0,66–0,68) und 0,63 (95%-KI 0,62–0,64) sowie mit Werten für die Fläche unter der ROC-Kurve von 0,74 (95%-KI 0,71–0,76) bzw. 0,87 (95%-KI 0,85–0,89) und 0,88 (95%-KI 0,86–0,89).

Für 539 Studi­en­teil­neh­mer, die nach eige­nen Anga­ben an Diabe­tes litten, prognos­ti­zier­te das kombi­nier­te Modell eine Hämo­glo­bin­kon­zen­tra­ti­on mit einem mitt­le­ren abso­lu­ten Fehler­wert von 0,73 (95%-KI 0,68–0,78) und eine Anämie mit einer Fläche unter der Kurve von 0,89 (95%-KI 0,85–0,93).

(ac)

Autoren: Mitani A et al.
Korrespondenz: Akinori Mitani; amitani@google.com
Studie: Detection of anaemia from retinal fundus images via deep learning.
Quelle: Nat Biomed Eng 2020;4:18–27.
Web: dx.doi.org/10.1038/s41551-020-0530-0

html

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