SEOUL (Biermann) Eine aktuelle Studie aus Südkorea hat gezeigt, dass es mit hoher Zuverlässigkeit möglich ist, mithilfe einer automatisierten Methode unter Verwendung von Bildern der optischen Kohärenztomographie (OCT) bei Patienten mit Uveitis die Anzahl an hyperreflektiven Glaskörperverdichtungen (vHF) sowie die Intensität von Glaskörpertrübungen zu quantifizieren.
Die Wissenschaftler entwickelten ein Deep-Learning-Modell zur automatisierten Segmentierung von vHF, Glaskörper und retinalem Pigmentepithel (RPE) mittels 88 OCT-Bildsätzen und 1058 Scans von 33 Patienten mit intermediärer‑, posteriorer- oder Pan-Uveitis.
Basierend auf den segmentierten Bildern quantifizierte die Arbeitsgruppe die Anzahl der vHF sowie den Unterschied der relativen Signalintensität zwischen dem Glaskörper und dem RPE (VIT/RPE-relative Intensität).
Die Forscher berechneten nachfolgend den Dice-Koeffizienten sowie den Intraklassen-Korrelations-Koeffizienten (ICC) zwischen den Basisdaten und den Daten des trainierten Programmes.
Der — von dem Deep-Learning-Modul — segmentierte Bereich von vHF, Glaskörper und RPE zeigte eine gute Übereinstimmung mit den Ergebnissen der menschlichen Ophthalmologen.
Die Studiengruppe ermittelte einen Dice-Koeffizienten bei den vHF von 0,69, bei dem Glaskörper von 0,99 und bei dem RPE von 0,88. Der ICC lag für die Anzahl an vHF bei 0,99 und für die VIT/RPE-relative Intensität pro Scan bei 1,0.
In den Augen von Testsätzen ergaben Änderungen der vHF oder der VIT/RPE-relativen Intensität während der Behandlung keine vergleichbaren Muster.
(tt)