Vorhersage der postoperativen Sehschärfe durch Künstliche Intelligenz bei Makulaloch-Therapie

SURGICAL RETINA Ōtsu – An der Augenklinik der Shiga University of Medical Science in Ōtsu, Japan, erstellten Shumpei Obata et al. mittels einer auf Deep Learning (DL) basierenden künstlichen Intelligenz ein Modell zur Vorhersage der postoperativen Sehschärfe (VA) nach Vitrektomie wegen eines Makulalochs (MH). Sie liessen dazu die präoperativen Bilder, die durch optische Kohärenztomographie (OCT) erstellt worden waren, auswerten. In die retrospektive monozentrische Studie wurden 259 Augen eingeschlossen, bei denen eine Vitrektomie wegen MH durchgeführt wurde. Die Augen wurden anhand der sechs Monate nach der Operation erhobenen Snellen-VA-Werte in vier Gruppen eingeteilt, Gruppe A: ≥ 20/20, B: 25/20 – 20/32, C: 20/32 – 20/63 und D: ≤ 20/100. Die Trainingsdatensätze wurden zufällig ausgewählt und umfassten 20 Augen in jeder Gruppe. Die Testdaten wurden ebenfalls nach dem Zufallsprinzip ausgewählt und umfassten insgesamt 52 Augen im gleichen Gruppenverhältnis wie in der Gesamtdatenbank. Präoperative OCT-Bilder mit korrespondierenden postoperativen VA-Werten wurden verwendet, um das ursprüngliche DL-Netz zu trainieren. Die abschliessende Vorhersage der postoperativen VA wurde einer Regressionsanalyse unterzogen, basierend auf den Schlussfolgerungen aus der DL-Netzwerkausgabe. Die Autoren erstellten so ein Modell zur Vorhersage der postoperativen VA aus der präoperativen VA, der MH-Grösse und dem Alter unter Verwendung einer multivariaten linearen Regression. In zwei Modellen wurden Präzisionswerte bestimmt und Korrelationskoeffizienten zwischen vorhergesagten und tatsächlichen postoperativen VA-Werten berechnet. Im DL- und im multivariaten Modell lagen die Genauigkeitswerte bei 46 % bzw. 40 %. Die vorhergesagten postoperativen VA-Werte auf der Grundlage von DL und der präoperativen VA- und MH-Grösse wurden mit der tatsächlichen postoperativen VA sechs Monate nach der Operation korreliert (p < 0,0001 bzw. p < 0,0001; r = 0,62 bzw. r = 0,55). In der Online-Publikation im Oktober 2021 bei GRAEFE’S ARCHIVE FOR CLINICAL AND EXPERIMENTAL OPHTHALMOLOGY stellen die Autoren dar, dass die postoperative Sehschärfe nach Therapie von Makulalöchern mittels Deep Learning unter Verwendung von präoperativen OCT-Bildern mit grösserer Genauigkeit vorhergesagt wurde als nach multivariater linearer Regression unter Berücksichtigung von präoperativer Sehschärfe, Makulaloch-Grösse und Alter. (bs)

Autoren: Obata S, Ichiyama Y, Kakinoki M, Sawada O, Saishin Y, Ito T, Tomioka M, Ohji M. Korrespondenz: Shumpei Obata, Department of Ophthalmology, Shiga University of Medical Science, 520 – 2192, Seta Tsukinowacho, Otsu, Shiga, Japan. E-Mail: obata326@belle.shiga-med.ac.jp Studie: Prediction of postoperative visual acuity after vitrectomy for macular hole using deep learning-based artificial intelligence. Quelle: Graefes Arch Clin Exp Ophthalmol. 2021 Oct 12. doi: 10.1007/s00417-021-05427-2. Epub ahead of print. PMID: 34636995. Web: https://link.springer.com/article/10.1007/s00417-021-05427-2