Deep Lear­ning und AMD

Automatisierte Detektion retikulärer Pseudodrusen zeigt hervorragende Ergebnisse

16. Dezember 2020

BETHESDA (Bier­mann) – Deep-Lear­ning-Model­le können das Erken­nen klinisch bedeut­sa­mer, mit einer alters­be­ding­ten Maku­la­de­ge­ne­ra­ti­on (AMD) asso­zi­ier­ter Verän­de­run­gen unter­stüt­zen und sogar verbes­sern. In einer aktu­el­len Studie haben Forscher Deep-Lear­ning-Module zum Nach­weis Reti­ku­lä­rer Pseu­do­dru­sen (RPD) in Fundus-Auto­fluo­res­zenz­bil­dern (FAF) oder in Farb­fun­dus­bil­dern (CFP) entwi­ckelt. Die Leis­tung der Module wurde mit der von 4 Augen­ärz­ten verglichen.

Das FAF-Modul iden­ti­fi­zier­te RPD mit einem hohen Grad an Genau­ig­keit, der dem von Augen­ärz­ten ähnlich oder über­le­gen war. Bei der Verwen­dung von CFP erkann­te das entspre­chen­de Modul RPD mit gerin­ge­rer Genau­ig­keit, erziel­te dabei aber immer noch besse­re Ergeb­nis­se als die Augenärzte.

Die Wissen­schaft­ler verwen­de­ten für ihre Studie 11535 FAF- und CFP-Bilder von 2450 Teil­neh­mern der AREDS2 Studie (Age-Rela­ted Eye Dise­a­se Study). Das FAF-Modul wurde auf die Entde­ckung von RPD in Augen mit mitt­le­rer bis später AMD trai­niert. Die Gold­stan­dard-Bewer­tun­gen von FAF durch Reading-Centern über­trug man auf die entspre­chen­den CFP und trai­nier­te so ein entspre­chen­des Modul auf die Iden­ti­fi­zie­rung von RPD auf CFP. Das Ergeb­nis wurde mit den Befun­den von 4 Augen­ärz­ten, die einen zufäl­lig ausge­wähl­ten Teil des voll­stän­di­gen Test­sat­zes beur­teil­ten, vergli­chen. Die Forscher analy­sier­ten anschlie­ßend die Fläche unter der Kurve (AUC), den k‑Wert, die Genau­ig­keit und den F1-Score.

Das FAF-Modul hatte eine AUC von 0,939 (95%-KI 0,927–0,950), einen k‑Wert von 0,718 (95%-KI 0,685–0,751) und eine Genau­ig­keit von 0,899 (95%-KI 0,887–0,911). Das CFP-Modul zeigte entspre­chen­de Werte von 0,832 (95%-KI 0,812–0,851) und 0,470 (95%-KI 0,426–0,511) bzw. 0,809 (95% CI, 0,793–0,825). Das FAF-Modul zeigte sich als der Bewer­tung durch die 4 Augen­ärz­te über­le­gen und hatte einen höhe­ren k‑Wert von 0,789 (95%-KI 0,675–0,875) gegen­über einem Bereich von 0,367–0,756 und eine höhere Genau­ig­keit von 0,937 (95%-KI 0,907–0,963) gegen­über einem Bereich von 0,696–0,933.

Das CFP-Modul zeigte im Vergleich zur Beur­tei­lung durch die Augen­ärz­te eine wesent­lich besse­re Leis­tung und einen höhe­ren k‑Wert von 0,471 (95%-KI 0,330–0,606) gegen­über einem Bereich von 0,105–0,180 und eine höhere Genau­ig­keit von 0,844 (95%-KI 0,798–0,886) gegen­über einem Bereich von 0,717–0,814.

(tt)

Autoren: Keenen TDL et al.
Korrespondenz: Zhiyong Lu; zhiyong.lu@nih.gov
Studie: Deep Learning Automated Detection of Reticular Pseudodrusen from Fundus Autofluorescence Images or Color Fundus Photographs in AREDS2
Quelle: Ophthalmology 2020; 127(12):1674-1687
Web: dx.doi.org/10.1016/j.ophtha.2020.05.036

html

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