Deep-Learning-Algorithmus erlaubt Vorhersage der retinalen Sensitivität

Einem Forscherteam aus Seattle, Oxford, London und Bonn ist es erstmals gelungen, basierend auf optischen Kohärenztomographieaufnahmen mittels künstlicher Intelligenz die retinale Sensitivität im Bereich der Makula mit hoher Präzision vorherzusagen. Ein darauf aufbauender klinischer Surrogat-Endpunkt ist für zukünftige Therapiestudien einsetzbar. Dies teilte jetzt die Universitäts-Augenklinik Bonn mit.

Die Studie wurde bei Patienten mit makulären Teleangiektasien durchgeführt und lässt sich potenziell auch auf andere Makulaerkrankungen übertragen.
Bei makulären Teleangiektasien Typ 2 handelt es sich um eine primär neurodegenerative Erkrankung der Netzhautmitte, welche chronisch progredient ist und häufig über lange Zeit mit einer relativ guten zentralen Sehschärfe einhergeht. Funktionsausfälle treten typischerweise zunächst außerhalb des Netzhautzentrums auf, können allerdings erhebliche Beeinträchtigungen für die Patienten bedeuten beispielsweise beim Lesen. Mittels sogenannter Mikroperimetrie können Funktionseinschränkungen auch außerhalb des Sehzentrums an ausgewählten Messpunkten bestimmt werden. Allerdings ist diese Untersuchung zeitaufwändig und benötigt eine optimale Patientenkooperation.

Ein Forscherteam unter Beteiligung der Universitäts-Augenklinik Bonn hat erstmals einen Algorithmus entwickelt, mit dem longitudinal erhobene strukturelle und funktionelle Daten von Patienten mit makulären Teleangiektasien an der Universitäts-Augenklinik Bonn und dem Moorfields Eye Hospital London systematisch untersucht worden sind. Dabei wurde ein Deep-learning-Network kreiert, welches eine Aussage der Netzhautfunktion basierend auf den strukturellen Veränderungen im OCT zulässt.

Die Ergebnisse wurden jetzt in JAMA Network Open veröffentlicht. Damit ist die Grundlage geschaffen, dass auf die aufwändige und für Patienten anspruchsvolle Mikroperimetrie-Untersuchung in künftigen Therapiestudien potenziell verzichtet werden kann, da retinale Funktionsausfälle mit hoher Präzision aus den strukturellen hochauflösenden digitalen OCT-Daten abgeleitet werden können.
Dieser neue Surrogat-Endpunkt für Studien, so die Augenklinik abschließend, würde den Aufwand für künftige Interventionsstudien erheblich reduzieren und beinhaltet darüber hinaus detailliertere Rückschlüsse auf die Funktion als die beispielsweise bis zu 50 Testpunkte der Mikroperimetrie-Untersuchung. Die Arbeit zeigt modellhaft die Möglichkeiten der künstlichen Intelligenz bei der Analyse digitaler Bilddaten der Netzhaut. In weiteren Forschungsvorhaben soll das Verfahren auch bei altersabhängiger Makuladegeneration Anwendung finden.

Publikation:
Yuka Kihara, Tjebo F.C. Heeren, Cecilia S. Lee, MS; Yue Wu, Sa Xiao, Simone Tzaridis, Frank G. Holz, Peter Charbel Issa, Catherine A. Egan, Aaron Y. Lee: Estimating retinal sensitivity using optical coherence tomography with deep-learning algorithms in macular telangiectasia Type 2. JAMA Netw Open. 2019;2(2):e188029. doi: 10.1001/jamanetworkopen.2018.8029.

Quelle: Universitäts-Augenklinik Bonn