TORONTO (Biermann) – Die Vorhersagefähigkeit für die langfristige bestkorrigierte Sehschärfe (BCVA) bei Patienten mit neovaskulärer AMD (nAMD) kann mithilfe eines Deep-Learning-basierten Algorithmus unter Verwendung von Basisdaten der Swept-Source-OCT (SS-OCT) und der OCT-Angiographie (OCT‑A) ermöglicht werden. Klinisch kann ein maschineller Lernansatz zur Analyse von Flüssigkeitsmetriken in Kombination mit der Läsionsgröße einen Vorteil bei der Personalisierung der Therapie bieten. Zu diesem Ergebnis sind die Autoren einer aktuellen Studie gekommen.
Die Wissenschaftler schlossen in ihre retrospektive, monozentrische Phase-IV-Proof-of-Concept-Studie (ONTARIO) Daten der SS-OCT zu 17 behandelten Augen mit nAMD ein, um mithilfe eines Deep-Learning-basierten Algorithmus – zur Segmentierung der Makulaflüssigkeit – die Dicke der Netzhautschichten zu beurteilen sowie die intraretinale (IRF) und die subretinale Flüssigkeit (SRF) sowie die seröse Pigmentepithelabhebung (PED) zu quantifizieren.
Mithilfe des Pearson-Korrelationskoeffizienten (PCC) korrelierte die Arbeitsgruppe SS-OCT- und OCT-A-Morphologiebefunde und Flüssigkeitsmessungen zu Studienbeginn mit Veränderungen der BCVA vom Zeitpunkt des Studienbeginns bis Woche 52.
Die Forscher ermittelten, dass das Gesamtvolumen der Netzhautflüssigkeit (IRF, SRF und PED) zu Studienbeginn am stärksten mit der Verbesserung der BCVA in Monat 12 korrelierte (PCC 0,652; p=0,005). Die Retinologen unterteilten nachfolgend die Flüssigkeit in IRF, SRF und PED und stellten fest, dass das PED-Volumen die nächsthöchste Korrelation zur Verbesserung der BCVA aufwies (PCC 0,648; p=0,005). Demgegenüber beobachteten sie, dass die isolierte durchschnittliche retinale Gesamtdicke eine schlechte Korrelation zeigte (PCC 0,334; p=0,189). Nachdem die Experten 2 Befunde, zum einen die mittlere Größe der choroidalen Neovaskularisationsmembran, zum anderen das Gesamtflüssigkeitsvolumen kombinierten, und mit den visuellen Ergebnissen korrelierten, stieg die Korrelation nunmehr auf PCC 0,695 (p=0,002) an.
(tt)