Risikostratifizierung und Screening von myopischer Makuladegeneration und hoher Myopie durch KI-Algorithmen

PEDIATRICS & STRABISM Singapur – Bis 2050 werden weltweit voraussichtlich fast 5 Milliarden Menschen an Myopie leiden, davon wahrscheinlich 20% mit einer hohen Myopie mit klinisch signifikantem Risiko für Komplikationen, die die Sehkraft bedrohen, wie die myopische Makuladegeneration. Hierbei handelt es sich um Diagnosen, die normalerweise eine spezielle Beurteilung oder Messungen mit mehreren, nicht miteinander verbundenen Geräten erfordern. Zur Risikostratifizierung und zur Identifizierung von Personen mit dem höchsten Risiko für einen Sehverlust könnte der Einsatz von Künstlicher Intelligenz (KI) effektiv sein. Es bestehen jedoch noch ungelöste Herausforderungen für medizinische KI-Studien, einschliesslich mangelnder Transparenz, Überprüfbarkeit und Nachvollziehbarkeit. Das internationale Autorenteam um Tien-En Tan aus dem Singapore Eye Research Institute in Singapur entwickelten und testeten in der vorliegenden retrospektiven Multikohortenstudie Deep-Learning-Algorithmen zur Erkennung von myopischer Makuladegeneration und hoher Myopie. Diese basierten auf Netzhautfotografien, verwendet wurden insgesamt 226.686 Netzhautbilder. Zuerst wurden die Algorithmen mit Datensätzen aus Singapur trainiert und intern validiert und dann extern mit Datensätzen aus China, Taiwan, Indien, Russland und Grossbritannien getestet. Anhand eines zufällig ausgewählten Datensatzes von 400 Bildern aus den externen Datensets wurden die Ergebnisse der Deep-Learning-Algorithmen zudem mit denen von sechs menschlichen Experten verglichen. Im Sinne eines Proof of Concept wurde eine Blockchain-basierte KI-Plattform verwendet, um den realen Einsatz von sicherer Datenübertragung, Modellübertragung und Modelltests an drei verschiedenen Standorten in Singapur und China zu demonstrieren. Die Deep-Learning-Algorithmen zeigten eine solide Diagnoseleistung mit Flächen unter den ROC-Kurven (AUC) von 0,969 oder höher für myopische Makuladegeneration und 0,913 oder höher für hohe Myopie mit den verfügbaren Daten der externen Testdatensätze. In dem zufällig ausgewählten Datensatz übertrafen die Deep-Learning-Algorithmen alle sechs Experten bei der Erkennung beider Erkrankungen (AUC von 0,978 für myopische Makuladegeneration und 0,973 für hohe Myopie). Die Blockchain-Technologie wurde erfolgreich für die Datenübertragung, Modellübertragung und Modelltests zwischen den Standorten und in zwei Ländern eingesetzt. Die Autoren kommen in der Mai-Ausgabe 2021 des Fachjournals THE LANCET DIGITAL HEALTH zu der Schlussfolgerung, dass Deep-Learning-Algorithmen ein wirksames Instrument zur Risikostratifizierung und zum Screening von myopischer Makuladegeneration und hoher Myopie innerhalb des grossen Anteils der Weltbevölkerung mit Myopie sein könnten. Die dabei entwickelte Blockchain-Plattform könnte möglicherweise als vertrauenswürdige Plattform für Leistungstests zukünftiger KI-Modelle in der Medizin dienen. (bs)

Autoren: Tan TE, Anees A, Chen C, Li S, Xu X, Li Z, Xiao Z, Yang Y, Lei X, Ang M, Chia A, Lee SY, Wong EYM, Yeo IYS, Wong YL, Hoang QV, Wang YX, Bikbov MM, Nangia V, Jonas JB, Chen YP, Wu WC, Ohno-Matsui K, Rim TH, Tham YC, Goh RSM, Lin H, Liu H, Wang N, Yu W, Tan DTH, Schmetterer L, Cheng CY, Chen Y, Wong CW, Cheung GCM, Saw SM, Wong TY, Liu Y, Ting DSW. Korrespondenz: Dr Daniel Shu Wei Ting, Singapore National Eye Centre, 168751 Singapore. E-Mail: daniel.ting.s.w@singhealth.com.sg Studie: Retinal photograph-based deep learning algorithms for myopia and a blockchain platform to facilitate artificial intelligence medical research: a retrospective multicohort study. Quelle: Lancet Digit Health. 2021 May;3(5):e317-e329. doi: 10.1016/S2589-7500(21)00055-8. PMID: 33890579. Web: https://www.thelancet.com/journals/landig/article/PIIS2589-7500(21)00055-8/fulltext