“Deep learning”: Künstliche Intelligenz hilft bei Therapieentscheidung zur Anti-VEGF-Injektion

Eine Forschergruppe des Universitätsklinikums Regensburg hat ein künstliches neuronales Netzwerk darin trainiert, OCT-Scans der Netzhaut auszuwerten. In bis zu 96 Prozent der Fälle treffen Arzt und Computer die gleiche Therapieentscheidung in Bezug auf Anti-VEGF-Injektionen.

Verschiedene Netzhauterkrankungen können durch Injektionen mit Antikörpern gegen Wachstumsfaktoren (Anti-VEGF) in den Glaskörper des Auges behandelt werden. Ob die Injektionen indiziert sind, entscheiden Ophthalmologen auf Basis einer augenärztlichen Untersuchung und immer häufiger auch anhand von Aufnahmen der zentralen Netzhaut mittels Optischer Kohärenz-Tomographie (OCT). Eine Forschergruppe des Universitätsklinikums Regensburg (UKR) hat nun einer intelligenten Software beigebracht, diese Scans ohne menschliche Intervention auszuwerten und zu erkennen, ob eine Indikation zur Behandlung gegeben ist.

165.000 retinale OCT-Scans in Netzwerk eingespeist
Die Wissenschaftler haben dafür über 165.000 retinale OCT-Scans, die zwischen 2008 und 2016 aufgenommen wurden, in ein künstliches neuronales Netzwerk eingespeist. Jede Aufnahme wurde mit den durchgeführten Injektionen referenziert. Die OCT-Bilder, auf die in den ersten 21 Tagen nach der Aufnahme eine intravitreale Injektion folgte, ordneten die Forscher der Injektionsgruppe zu, während sie die gleiche Menge an zufälligen OCT-Bildern ohne anschließende intravitreale Injektionen als injektionslos kennzeichneten. Danach musste das Computerprogramm bei weiteren 17.000 Aufnahmen selbst beurteilen, ob es eine Injektion durchführen würde.

Im Ergebnis, so das UKR, zeigte es eine beeindruckende Leistung bei der Klassifikation von retinalen OCT-Scans: In bis zu 96 Prozent der Fälle deckte sich die Entscheidung der künstlichen Intelligenz in Bezug auf die Anti-VEGF-Injektion mit der der Augenärzte.

„Das Computerprogramm nimmt nach einem Lernprozess bei der Analyse von neuen OCT-Bilddaten eine Art Rasterfahndung nach bestimmten anatomischen Merkmalen im kompletten Bildarchiv vor. Bei der Beurteilung eines neuen Bildes schöpft er also aus dem Erfahrungsschatz der 165.000 verfügbaren Aufnahmen“, erklärt Erstautor Dr. Philipp Prahs, Leitender Oberarzt an der Klinik und Poliklinik für Augenheilkunde am UKR. Die Studie wurde vor kurzem in dem internationalen Journal „Graefe’s Archive for Clinical and Experimental Ophthalmology“ publiziert (DOI: 10.1007/s00417-017-3839-y).

Virtuelle Gehirnzellen erhalten eine Lektion in Ophthalmologie
Bei der Programmierung einer solchen Software wird die Funktionsweise der Nervenzellen im menschlichen Gehirn virtuell imitiert. Durch die als „deep learning“ bekannte Methode erlangt das Programm die Fähigkeit, zu lernen und eigenständig Bilder zu beschreiben, Gesichter zu erkennen oder eben auch OCT-Bilder zu klassifizieren. „In den letzten Jahren wurden erhebliche Fortschritte im Bereich der künstlichen Intelligenz und der Bildverarbeitungsforschung erzielt. Wir haben diese Erkenntnisse auf die Analyse von OCT-Scans übertragen“, beschreibt Prahs die seiner Studie zugrundeliegende Logik.

“Digitale Zweitmeinung”
„Natürlich spielen bei der Entscheidung des Arztes im Gegensatz zur Software noch andere Komponenten als das reine OCT-Bild eine Rolle“, ergänzt Prahs. Dennoch könnten derartige maschinelle Lernmethoden den Kliniker unterstützen – sozusagen als digitale Zweitmeinung und als schnell zugängliches, äußerst wertvolles Archiv der augenärztlichen Kompetenz aus der Vergangenheit. „Es sollte allerdings darauf geachtet werden, die Entscheidung des virtuellen Gehirns nicht als primäre Behandlungsempfehlung zu interpretieren und eine abschließende gründliche Bewertung durch den behandelnden Arzt sicherzustellen“, empfiehlt Prahs.

Quelle: Universitätsklinikum Regensburg