Scree­ning von Fundu­ser­kran­kun­gen mithil­fe Künst­li­cher Intelligenz

Ergebnisse einer nationalen Real-World-Evidenz-Studie

29. September 2021

GUANGZHOU (Bier­mann) – Die Autoren einer aktu­el­len Studie haben ein klinisch anwend­ba­res Deep-Lear­ning-System (DLS) für Fundu­ser­kran­kun­gen mit realen Daten trai­niert und das Modell extern anhand von Fundus­auf­nah­men getes­tet, die sie prospek­tiv aus Klini­ken erhiel­ten. Aufgrund der guten Ergeb­nis­se beim Scree­ning multi­pler Netz­haut­ano­ma­lien könnte dieses System laut den Forschen­den mögli­cher­wei­se in die klini­sche Versor­gung imple­men­tiert werden.

Die Wissen­schaft­ler trai­nier­ten ein DLS, das soge­nann­te Compre­hen­si­ve-AI-Reti­nal-Expert (CARE)-System, um die 14 häufigs­ten Netz­haut­er­kran­kun­gen anhand von 207.228 Fundus­auf­nah­men aus 16 klini­schen Einrich­tun­gen mit verschie­de­nen Krank­heits­schwer­punk­ten zu iden­ti­fi­zie­ren. Die Arbeits­grup­pe vali­dier­te das CARE-System intern mithil­fe von 21.867 Bildern und teste­te es extern anhand von 18.136 Fundus­auf­nah­men, die sie prospek­tiv aus 35 klini­schen Einrich­tun­gen aus ganz China gesam­melt hatten. Dazu gehör­ten 8 Schwer­punkt­kran­ken­häu­ser, 6 städ­ti­sche Kran­ken­häu­ser sowie 21 Zentren für ärzt­li­che Untersuchungen.

Des Weite­ren verglich die Gruppe die Leis­tung des CARE-Systems mit der von 16 Ophthal­mo­lo­gen und teste­te es zusätz­lich mit Daten­sät­zen zu Perso­nen nicht­chi­ne­si­scher Abstam­mung und mit ande­ren Kameratypen.

Die Forscher ermit­tel­ten eine Fläche unter der Grenz­wert­op­ti­mie­rungs­kur­ve (AUC) im inter­nen Vali­die­rungs­set von 0,955 (SD 0,046). Die AUC-Werte im exter­nen Test­set betru­gen 0,965 (SD 0,035) in Schwer­punkt­kran­ken­häu­sern, 0,983 (SD 0,031) in städ­ti­schen Kran­ken­häu­sern sowie 0,953 (SD 0,042) in Zentren für ärzt­li­che Untersuchungen.

Weiter­hin stell­ten die Exper­ten vergleich­ba­re Leis­tun­gen zwischen dem CARE-System und den Augen­ärz­ten fest, wohin­ge­gen sie bei den Ophthal­mo­lo­gen in verschie­de­nen Regio­nen und unter­schied­li­cher Erfah­rung große Unter­schie­de in der Sensi­ti­vi­tät beob­ach­te­ten. Das System behielt eine starke Iden­ti­fi­zie­rungs­leis­tung bei, wenn es mit dem nicht­chi­ne­si­schen Daten­satz, insbe­son­de­re bei diabe­ti­scher Reti­no­pa­thie, getes­tet wurde (AUC 0,960;95%-KI 0,957–0,964).

(tt)

Autoren: Lin D et al.
Korrespondenz: Haotian Lin; gddlht@aliyun.com
Studie: Application of Comprehensive Artificial intelligence Retinal Expert (CARE) system: a national real-world evidence study
Quelle: Lancet Digit Health 2021; Aug;3(8):e486-e495.
Web: dx.doi.org/10.1016/S2589-7500(21)00086-8

html

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