Trocke­nes Auge und Künst­li­che Intelligenz

Review präsentiert aktuellen Einsatz in der Forschung

1. August 2022

OSLO (Bier­mann)  Die Autoren eines aktu­el­len Reviews haben Studi­en zum Einsatz der Künst­li­chen Intel­li­genz (KI), insbe­son­de­re des in der Medi­zin meis­tens verwen­de­ten Teil­ge­bie­tes, dem maschi­nel­len Lernen (ML), bei Pati­en­ten mit dem Syndrom des trocke­nen Auges  (DES) evalu­iert. Darin haben sie gezeigt, dass mittels des ML im Gegen­satz zur oftmals subjek­ti­ven Diagnos­tik beim DES eine objek­ti­ve­re und konsis­ten­te­re Diagno­se sowie Stra­ti­fi­zie­rung des Schwe­re­gra­des durch eine auto­ma­ti­sier­te Klas­si­fi­zie­rung von Bildern möglich ist und zur Vorher­sa­ge medi­zi­ni­scher Ergeb­nis­se verwen­det werden kann.

Die Wissen­schaft­ler führ­ten eine Lite­ra­tur­re­cher­che (Zeit­raum 20.05.–21.05.2021) in PubMed und Embase durch und selek­tier­ten 45 der 111 rele­van­ten Studi­en, in denen das ML auf DES-bezo­ge­ne Daten ange­wen­det wurde.

Die Forscher ermit­tel­ten, dass in den meis­ten Studi­en das ML zur Inter­pre­ta­ti­on von Bildern der Inter­fe­ro­me­trie und der Spalt­lam­pe – zur Klas­si­fi­zie­rung der Lipidschicht des Tränen­films basie­rend auf morpho­lo­gi­schen Eigen­schaf­ten – sowie der Meibo­gra­phie – zur Klas­si­fi­zie­rung der Funk­ti­on akti­ver Meibom­drü­sen – benutzt wurde.

Die Exper­ten stell­ten des Weite­ren fest, dass eine große Varia­ti­on in der Art der klini­schen Tests, der Daten­art sowie dem Umfang der Vorver­ar­bei­tung der Daten (bspw. der Merk­mal­sex­trak­ti­on), bevor sie an Model­le des ML über­ge­ben wurden, bestand. Zudem gab es keinen Konsens darüber, wie die Modell­ent­wick­lung, einschließ­lich der Bewer­tung, am besten durch­ge­führt werden sollte, weswe­gen es sich laut den Forschen­den als schwie­rig erweist, abzu­schät­zen, wie gut Model­le in der klini­schen Praxis funk­tio­nie­ren und auch, ob verschie­de­ne Model­le über­haupt vergleich­bar sind.

Die Autoren resü­mie­ren dennoch, dass KI ein hohes Poten­zi­al für den Einsatz in vielen verschie­de­nen Anwen­dun­gen im Zusam­men­hang mit dem DES besitzt. Es soll­ten jedoch gemein­sa­me Richt­li­ni­en für den Modell­ent­wick­lungs­pro­zess, insbe­son­de­re für die Modell­be­wer­tung erstellt werden. Darüber hinaus sollte mithil­fe von prospek­ti­ven Tests beur­teilt werden, ob die vorge­schla­ge­nen Model­le die Diagno­se des DES und die Gesund­heit dieses Pati­en­ten­kol­lek­tivs verbes­sern können.

(tt)

Autoren: Storås AM et al.
Korresondenz: Andrea M Storas; andrea@simula.no
Studie: Artificial intelligence in dry eye disease
Quelle: Ocul Surf 2022; Jan;23:74-86.
Web: dx.doi.org/10.1016/j.jtos.2021.11.004

html

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