Mensch versus Maschine

Künstliches neuronales Netz erkennt zuverlässig Winkelblock in Bildern

15. Februar 2021

LOS ANGELES (Bier­mann) – Eine Arbeits­grup­pe aus Kali­for­ni­en, USA, verglich die Fähig­kei­ten eines künst­li­chen neuro­na­len Netzes (convo­lu­tio­nal neural network, CNN) bei der Erken­nung eines Winkel­blocks in EyeCam-Gonio­fo­to­gra­fien mit den Ergeb­nis­sen eines mensch­li­chen Exper­ten. Die retro­spek­ti­ve Quer­schnitts­stu­die zeigte, dass ein CNN-Klas­si­fi­ka­tor einen Winkel­ver­schluss in Gonio­fo­to­gra­fien mit einer Leis­tung, die mit der eines erfah­re­nen Glau­kom­spe­zia­lis­ten vergleich­bar ist, effek­tiv erken­nen kann. Dies böte eine auto­ma­ti­sier­te Metho­de zur Unter­stüt­zung der Erken­nung von Pati­en­ten, bei denen das Risiko eines primä­ren Engwin­kel­glau­koms besteht, so die Studienautoren.

Die Proban­den aus der Chine­se Ameri­can Eye Study wurden einer EyeCam-Gonio­fo­to­gra­fie in den vier Winkel­qua­dran­ten unter­zo­gen. Der CNN-Klas­si­fi­ka­tor wurde trai­niert, um einen verschlos­se­nen Kammer­win­kel zu erken­nen. Die Leis­tung des CNN-Klas­si­fi­ka­tors wurde anhand eines unab­hän­gi­gen Test­da­ten­sat­zes und Refe­renz-Labels eines einzel­nen Glau­kom­spe­zia­lis­ten oder einer Gruppe von 3 Glau­kom­spe­zia­lis­ten bewer­tet. Dann wurde die CNN-Leis­tung mit der Leis­tung von 9 mensch­li­chen Gradern vergli­chen. Ziel­pa­ra­me­ter waren unter ande­rem die Recei­ver Opera­ting Charac­te­ris­tic Curve (AUC) und die Kappa-Koef­fi­zi­en­ten nach Cohen.

Der CNN-Klas­si­fi­ka­tor wurde mit 29.706 Bildern eines offe­nen und mit 2.929 Bildern eines verschlos­se­nen Kammer­win­kels entwi­ckelt. Der unab­hän­gi­ge Test­da­ten­satz bestand aus 600 Bildern mit offe­nem und 400 mit verschlos­se­nem Kammer­win­kel. Der CNN-Klas­si­fi­ka­tor erziel­te eine hervor­ra­gen­de Leis­tung, basie­rend auf dem Einzel­gra­der- (AUC=0,969) und Konsen­sus-Label (AUC=0,952). Die Über­ein­stim­mung zwischen dem CNN-Klas­si­fi­ka­tor und dem Konsen­sus-Label (κ=0,746) über­traf die aller nicht refe­ren­zier­ten mensch­li­chen Grader (κ=0,578–0,702). Die Über­ein­stim­mung der mensch­li­chen Grader mit den Konsen­sus-Labels verbes­ser­te sich mit der klini­schen Erfah­rung (p=0,03).

(isch)

Autoren: Chiang M et al.
Korrespondenz: Benjamin Y Xu; benjamin.xu@med.usc.edu
Studie: Glaucoma Expert-level Detection of Angle Closure in Goniophotographs with Convolutional Neural Networks: The Chinese American Eye Study: Automated Angle Closure Detection in Goniophotographs
Quelle: Am J Ophthalmol 2021 Feb 9:S0002-9394(21)00066-0
Web: https://doi.org/10.1016/j.ajo.2021.02.004

html

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