Review: Beurteilung des Engwinkelglaukoms durch künstliche Intelligenz

GLAUCOMA / DEEP LEARNING Singapur – Das primäre Engwinkelglaukom wird weltweit unterdiagnostiziert und führt häufig zur Sehbehinderung. Viele der Herausforderungen bei der Therapie des primären Engwinkelglaukoms hängen mit dem Mangel an praktikablen und präzisen Instrumenten zur klinischen Beurteilung und Überwachung der Erkrankung zusammen. In den letzten Jahren wurden einige durch künstliche Intelligenz (KI) unterstützte Methoden zur Erkennung und Beurteilung des primären Engwinkelglaukoms entwickelt, die ermutigende Ergebnisse gezeigt haben. Zhi Da Soh vom Singapore Eye Research Institute und Kollegen haben dazu ein Review veröffentlicht. Es wurden Algorithmen des maschinelles Lernen (ML) entwickelt, die klinische Daten nutzen, um Augen mit primärem Engwinkelglaukom nach Krankheitsmechanismen zu kategorisieren. Andere ML-Algorithmen, die Daten aus bildgebenden Verfahren nutzen, zeigten eine gute Leistung bei der Erkennung von Winkelverschlüssen. Dennoch haben sich Deep-Learning(DL)-Algorithmen, die direkt auf Daten bildgebender Verfahren trainiert worden waren, bei der Diagnose des primären Engwinkelglaukoms im Allgemeinen als besser erwiesen als herkömmliche Algorithmen des maschinellen Lernens und waren in der Lage, genau zwischen verschiedenen Winkelzuständen (offen, eng, geschlossen) zu unterscheiden und die Messung quantitativer Parameter zu automatisieren. Es seien jedoch, so die Autoren in der Januar-Ausgabe 2024 des Fachjournals PROGRESS IN RETINAL AND EYE RESEARCH, weitere Arbeiten erforderlich, um die Fähigkeiten dieser KI-Algorithmen zu erweitern und sie in realen klinischen Umgebungen einzusetzen. Dies schliesst die Notwendigkeit ein, unter realen Bedingungen zu evaluieren, konkrete Anwendungsfälle für verschiedene Algorithmen zu definieren und die Durchführbarkeit ihres Einsatzes unter Berücksichtigung anderer klinischer, wirtschaftlicher und sozialpolitischer Faktoren zu bewerten. (bs)

Autoren: Soh ZD, Tan M, Nongpiur ME, Xu BY, Friedman D, Zhang X, Leung C, Liu Y, Koh V, Aung T, Cheng CY. Korrespondenz: Ching-Yu Cheng, Department of Ophthalmology, 1E Kent Ridge Road, NUHS Tower Block, Level 7, 119228, Singapore. E-Mail: chingyu.cheng@nus.edu.sg Studie: Assessment of angle closure disease in the age of artificial intelligence: A review. Quelle: Prog Retin Eye Res. 2024 Jan;98:101227. doi: 10.1016/j.preteyeres.2023.101227. Epub 2023 Nov 3. PMID: 37926242. Web:https://www.sciencedirect.com/science/article/abs/pii/S1350946223000666