LOUISVILLE (Biermann) – Die Kombination von klinischen, demografischen und bildgebenden Daten kann die automatisierte, computergestützte Diagnose einer nichtproliferativen diabetischen Retinopathie (NPDR) verbessern. Dies ist das Ergebnis einer retrospektiven Studie, die an einem akademischen medizinischen Zentrum in den Vereinigten Staaten durchgeführt wurde.
Einschlusskriterien waren ein Alter über 18 Jahre und die Diagnose eines Diabetes mellitus. 111 Patienten mit Typ-2-Diabetes wurden in die Studie eingeschlossen, 36 mit Diabetes mellitus ohne DR, 53 mit milder NPDR und 22 mit moderater NPDR.
Die optische Kohärenztomographie (OCT) sowie die OCT-Angiographie (OCT‑A) wurden durchgeführt und die Daten zu Alter, Geschlecht, Hypertonie, Hyperlipidämie und Hämoglobin A1c gesammelt. Anschließend wurden maschinelle Lerntechniken eingesetzt. Aus jeder Schicht der OCT und jedem OCT-A-Plexus wurden automatisch mehrere pathophysiologisch wichtige Merkmale extrahiert und mit klinischen Daten zufällig kombiniert. Die Ergebnisse aus diesem System wurden mit der klinischen Einteilung der NPDR, dem Goldstandard, verglichen.
Wurden durch das System nur die OCT-Bilder analysiert, betrug die Genauigkeit der Diagnose 76%, die Sensitivität 85%, die Spezifität 87% und die Area Under the Curve (AUC) 0,78. Wenn OCT- und OCT-A-Daten zusammen analysiert wurden, betrug die Genauigkeit 92%, die Sensitivität 95%, die Spezifität 98% und die AUC 0,92. Wurden alle Daten kombiniert, erreichte das System eine Genauigkeit von 96%, eine Sensitivität von 100%, eine Spezifität von 94% und eine AUC von 0,96.
(isch)
