Peri­phe­re arte­ri­el­le Verschluss­krank­eit in reti­na­len Arterien

Künstliche Intelligenz erkennt frühzeitige Veränderungen

24. Februar 2022

BONN (Bier­mann) – Die peri­phe­re arte­ri­el­le Verschluss­krank­heit (paVK) wird durch Athe­ro­skle­ro­se verur­sacht und führt zu einer hohen Morbi­di­tät und Morta­li­tät. Die gegen­wär­ti­gen diagnos­ti­schen Tech­ni­ken erken­nen oftmals keine frühen Stadi­en der paVK. Die Autoren einer aktu­el­len Studie haben nun eine selbst­ler­nen­de Soft­ware entwi­ckelt, die athe­ro­sklero­ti­sche Gefäß­ver­än­de­run­gen der Retina bei Pati­en­ten mit paVK bereits im asym­pto­ma­ti­schen Früh­sta­di­um erkennt.

In ihrer explo­ra­ti­ven Studie verwen­de­ten die Wissen­schaft­ler Deep-Lear­ning-Model­le zur Erken­nung von paVK auf der Grund­la­ge von 135 Farb­fun­dus­auf­nah­men (CFP). Mithil­fe einer Metho­de des tief­grei­fen­den, aufmerk­sam­keits­ba­sier­ten Maschi­nel­len Lernens (Multi­ple-Instance-Lear­ning [MIL]) trai­nier­te die Arbeits­grup­pe mittels der CFP ein künst­li­ches neuro­na­les Netz­werk (Convo­lu­tio­nal-Neural-Network; [CNN]), das in seiner Funk­ti­ons­wei­se dem mensch­li­chen Gehirn nach­emp­fun­den wurde.

Um feine Varia­tio­nen der Gefäß­struk­tur zu erfas­sen, fass­ten die Forschen­den die CFP in Daten­blö­cke zusam­men, um eine hohe Bild­auf­lö­sung zu errei­chen. Das CNN wandel­te nach­fol­gend jeden Daten­block in einen Merk­mals­vek­tor um und bestimm­te seine rela­ti­ve Wich­tig­keit über ein auto­ma­tisch berech­ne­tes Aufmerksamkeitsgewicht.

Das CNN erkann­te später den Inhalt unbe­kann­ter Aufnah­men, indem der Algo­rith­mus bereits wusste, auf welche subti­len bild­ge­ben­den Biomar­ker der reti­na­len Gefäß­struk­tur zu achten war.

Die Ophthal­mo­lo­gen ermit­tel­ten, dass das geeig­nets­te Modell einen Wert unter der Grenz­wert­op­ti­mie­rungs­kur­ve (ROC-AUC) von 0,89 erreich­te. Des Weite­ren analy­sier­te die Studi­en­grup­pe, dass die Papil­le und die tempo­ra­len Gefäß­ar­ka­den signi­fi­kant höher gewich­tet waren als die ande­ren reti­na­len Struk­tu­ren am hinte­ren Pol (p<0,001).

Die Autoren resü­mie­ren, dass syste­mi­sche Herz-Kreis­lauf-Erkran­kun­gen anhand von Verän­de­run­gen im reti­na­len Gefäß­sys­tem diagnos­ti­ziert werden können. Mithil­fe der Künst­li­chen Intel­li­genz könnte die Diagno­se der paVK früh­zei­tig gestellt und die Krank­heits­über­wa­chung verbes­sert werden.

(tt)

Autoren: Mueller S et al.
Korrespondenz: Thomas Schultz; schultz@cs.uni-bonn.de
Studie: Multiple instance learning detects peripheral arterial disease from high-resolution color fundus photography
Quelle: Sci Rep 2022; Jan 26;12(1):1389.
Web: dx.doi.org/10.1038/s41598-022-05169-z

html

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