Abschätzung der Auswirkung von Strukturanomalien auf Netzhautfunktion durch KI-basierte Analyse

MEDICAL RETINA Bonn – mechentel news – Leon von der Emde aus der Universitätsaugenklinik in Bonn, Deutschland, und weitere Kollegen aus Bonn sowie der Schweiz und dem Vereinigten Königreich gingen davon aus, dass eine Kartierung der Stäbchen- und Zapfenfunktion mit räumlicher Auflösung die Überwachung von Makulaerkrankungen erleichtern und als funktioneller Ergebnisparameter dienen könnte. Mesopische und dunkel-adaptierte Zweifarben Fundus-kontrollierte Perimetrie (FCP, auch „Mikroperimetrie“ genannt) sind jedoch aufwändige Untersuchungen. Es wurde ein auf maschinellem Lernen basierender Ansatz entwickelt, um die mesopische und dunkel-adaptierte (DA) Netzhautempfindlichkeit bei Augen mit neovaskulärer altersbedingter Makuladegeneration (nAMD) vorherzusagen. Dafür wurden umfangreiche psychophysikalische Tests und volumetrische multimodale Bildgebungsdaten für die Netzhaut erfasst, darunter mesopische, DA-Rot- und DA-Cyan-FCP-Daten, optische Kohärenztomographie im Spektralbereich und konfokale Laser-Ophthalmoskopie mit Infrarotreflexion und Autofluoreszenz-Fundus-Bildgebung. Mit patientenseitiger „Leave-One-Out“ Kreuzvalidierung konnten Vorhersagegenauigkeiten von 3,94 dB MAE (mean absolute error) für Mesopie, 4,93 dB für DA-Cyan- und 4,02 dB für DA-Rot-Tests erzielt werden. Eine teilweise Addition patientenspezifischer Sensitivitätsdaten verringerte die kreuzvalidierte MAE auf 2,8 dB, 3,71 dB und 2,85 dB. Das wichtigste Vorhersagemerkmal war die Dicke der äusseren Kernschicht. Wie die Autoren in der Juli-Ausgabe 2019 der SCIENTIFIC REPORTS festhalten, kann diese auf künstlicher Intelligenz basierende Analysestrategie, die hier als „abgeleitete Sensitivität“ (inferred sensitivity) bezeichnet wird, die Abschätzung der unterschiedlichen Auswirkungen von Netzhautstrukturanomalien auf die Zapfen- und Stäbchenfunktion bei nAMD ermöglichen und könnte in zukünftigen klinischen Studien als quasi-funktionaler Ersatzendpunkt verwendet werden. (bs)

Autoren: von der Emde L, Pfau M, Dysli C, Thiele S, Möller PT, Lindner M, Schmid M, Fleckenstein M, Holz FG, Schmitz-Valckenberg S. Korrespondenz: Steffen Schmitz-Valckenberg, Department of Ophthalmology, University of Bonn, Ernst-Abbe-Str. 2, Bonn, Germany. E-Mail: steffen.schmitz-valckenberg@ukbonn.de Studie: Artificial intelligence for morphology-based function prediction in neovascular age-related macular degeneration. Quelle: Sci Rep. 2019 Jul 31;9(1):11132. doi: 10.1038/s41598-019-47565-y. Web: https://www.nature.com/articles/s41598-019-47565-y