Makulaödem: Erkennung von Makula-Neovaskularisationen mittels optischer Kohärenztomographie-Angiographie und einem Deep-Learning-Modell

OREGON (Biermann) – In einer aktuellen Arbeit wurde gezeigt, dass ein neuartiger aiMNV-Algorithmus makuläre Neovaskularisationen (MNV) in Augen mit exsudativer altersbedingter Makuladegeneration (AMD) im Vergleich zu einer Kontrollgruppe von Augen mit Makulaödemen aufgrund von diabetischen Makulaödems (DMÖ) oder retinalen Venenverschlusses (RVO) anhand von Bilder aufgenommen mit optischer Kohärenztomographie (OCT)- und OCT-Angiographie (OCTA) genau erkennen und segmentieren kann.

In ihre prospektive Querschnittsstudie schlossen die Wissenschaftler 114 Augen von 112 Patienten mit Makulaödem aufgrund einer nicht behandelten exsudativen AMD, eines DMÖ oder eines RVO ein. 56 Augen zeigten eine MNV aufgrund von exsudativer AMD und 58 Augen ein Makulaödem aufgrund von DME oder RVO. Die Studienteilnehmer wurden mit 3×3-mm- und 6×6-mm-Spectral-Domain-OCTA-Aufnahmen der Makula untersucht. Augen mit exsudativer AMD mussten einen MNV im zentralen 3×3-mm-Bereich aufweisen. Ein zuvor entwickeltes hybrides neuronales Multi-Task-Faltungsnetzwerk zur MNV-Erkennung (aiMNV) und Segmentierung wurde, unabhängig von der Bildqualität, auf alle Bilder angewendet. Als wichtigste Untersuchungsergebnisse legten die Wissenschaftler folgende Parameter fest: Sensitivität, Spezifität, positiver prädiktiver Wert (PPV) und negativer prädiktiver Wert (NPV) für die Erkennung von MNV sowie Intersection over Union (IoU)-Score und F1-Score für die Segmentierung.

Die Analyse der Wissenschaftler ergab, dass die 3×3-mm-OCTA-Scans mit aiMNV MNV mit 96,4% Sensitivität, 98,3% Spezifität, 98,2% PPV und 96,6% NPV erkannten. Für die Segmentierung lag der durchschnittliche IoU-Score bei 0,947 und der F1-Score bei 0,973. 6×6-mm-Scans schnitten laut der Forscher gut ab, jedoch war die Sensitivität für die Erkennung von MNV aufgrund der geringeren Abtastdichte geringer als bei 3×3-mm-Scans.

(sas)