Deep Learning-KI-Modell: Durchbruch bei der ROP-Erkennung

Ein internationales Team hat ein Deep Learning-KI-Modell entwickelt, das erkennen kann, welche zu früh geborenen Kinder eine Frühgeborenenretinopathie (ROP) haben. Sie hoffen, dass ihre Technik den Zugang zum Screening in Gebieten mit begrenzten neonatalen Diensten und wenigen ausgebildeten Augenärzten verbessern könnte.

Die Studie, die von einem internationalen Team von Wissenschaftlern und Klinikern aus dem Vereinigten Königreich, Brasilien, Ägypten und den USA mit Unterstützung des National Institute for Health and Care Research (NIHR) Biomedical Research Centre am Moorfields Eye Hospital NHS Foundation Trust und dem UCL Institute of Ophthalmology durchgeführt wurde, wurde im Fachjournal „The Lancet Digital Health“ veröffentlicht.

Dr. Konstantinos Balaskas, Hauptautor der Studie und Direktor am Moorfields Ophthalmic Reading Centre & Clinical AI Lab des Moorfields Eye Hospital und außerordentlicher Professor des UCL Institute of Ophthalmology erklärte: „Die Frühgeborenen-Retinopathie wird immer häufiger, da sich die Überlebensraten von Frühgeborenen weltweit verbessern, und sie ist heute in Ländern mit mittlerem Einkommen und in den USA die Hauptursache für Erblindung im Kindesalter.“

ROP ist eine Erkrankung, von der vor allem Frühgeborene betroffen sind und bei der abnormale Blutgefäße in der Netzhaut wachsen. Diese Blutgefäße können undicht werden, die Retina schädigen und möglicherweise zu einer Netzhautablösung führen. Während mildere Formen der ROP nicht behandelt, sondern nur überwacht werden müssen, erfordern akute Fälle eine sofortige Behandlung. Weltweit erblinden schätzungsweise 50.000 Kinder aufgrund dieser Krankheit.

Die einzige Möglichkeit, die Krankheit zu erkennen, besteht darin, gefährdete Kinder durch Augenuntersuchungen zu überwachen. Ohne eine geeignete Infrastruktur für eine umfassende vor- und nachgeburtliche Betreuung könnte das schmale Zeitfenster für Screening und Behandlung jedoch verpasst werden, was zu vermeidbarer Erblindung führen kann.

Das UCL-Moorfields-Team hat ein Deep-Learning-KI-Modell zum Screening auf ROP entwickelt, das auf einer Stichprobe von 7.414 Bildern der Augen von 1.370 Neugeborenen trainiert wurde. Diese Kinder wurden alle am Homerton Hospital in London von Augenärzten auf ROP untersucht. Das Krankenhaus versorgt eine ethnisch und sozioökonomisch vielfältige Gemeinschaft, was wichtig ist, da ROP je nach ethnischer Gruppe unterschiedlich ausgeprägt sein kann. Daher wurde das Modell so trainiert, dass es in verschiedenen ethnischen Gruppen sicher funktionieren kann.

Die Leistung des Instruments wurde dann anhand von weiteren 200 Bildern bewertet und mit den Beurteilungen von erfahrenen Augenärzten verglichen. Die Forscher validierten ihr Tool weiter, indem sie es auf Datensätze aus den USA, Brasilien und Ägypten anwendeten. Das KI-Tool erwies sich bei der Unterscheidung zwischen normalen Netzhautbildern und solchen mit ROP, die zur Erblindung führen können, als ebenso wirksam wie die Bewertungen erfahrener Kinderaugenärzte.

Die Forschenden halten das Tool für vielversprechend: zwar wurde es für die britische Bevölkerung optimiert, aber es hat sich auch auf anderen Kontinenten als wirksam erwiesen. Dennoch fügen die Wissenschaftler hinzu, dass es für andere Umgebungen noch weiter optimiert werden könnte. Das Tool wurde als codefreie Deep-Learning-Plattform entwickelt, was bedeutet, dass es auch von Personen ohne Programmierkenntnisse in neuen Umgebungen optimiert werden kann.

Dr. Siegfried Wagner, Erstautor der Studie vom UCL Institute of Ophthalmology und Moorfields Eye Hospital sagte: „Unsere Ergebnisse rechtfertigen die weitere Erforschung von KI-Tools für das Screening auf ROP. Wir sind jetzt dabei, unser Tool in mehreren Krankenhäusern in Großbritannien weiter zu validieren, und versuchen zu erfahren, wie die Menschen mit den Ergebnissen der KI interagieren, um zu verstehen, wie wir das Tool in reale klinische Umgebungen integrieren können. Wir hoffen, dass das Tool eine geschulte Krankenschwester in die Lage versetzen wird, Bilder aufzunehmen, die von dem KI-Tool bewertet werden können, so dass eine Überweisung zur Behandlung erfolgen kann, ohne dass ein Augenarzt die Scans manuell überprüfen muss.“

„KI-Tools sind besonders nützlich in der Augenheilkunde, einem Bereich, der stark auf die manuelle Interpretation und Analyse von Scans zur Erkennung und Überwachung angewiesen ist“, fügte Wagner hinzu.