Diagnostische Wirksamkeit von CNN bei der Differenzierung des Gesichtsfelds

Das Glaukom ist die weltweit häufigste Ursache für irreversible Blindheit, die durch fortschreitende Verdünnung der retinalen Nervenfaserschicht und Gesichtsfelddefekte gekennzeichnet ist. Der Gesichtsfeldtest ist einer der Goldstandards für die Diagnose und Beurteilung des Fortschreitens des Glaukoms. Es gibt jedoch keinen allgemein akzeptierten Standard für die Interpretation von Gesichtsfeldergebnissen, die subjektiv ist und viel Erfahrung erfordert. Derzeit hat die künstliche Intelligenz bei der Interpretation der medizinischen Bildgebung vieler verschiedener Krankheiten eine mit menschlichen Ärzten vergleichbare Genauigkeit erreicht. Zuvor haben wir ein Deep Convolutional Neural Network darauf trainiert, die Gesichtsfeldberichte zu lesen, was eine noch höhere diagnostische Wirksamkeit als Augenärzte hat. Die aktuelle multizentrische Studie soll die Wirksamkeit des auf Faltungsneuronennetzwerken basierenden Algorithmus bei der Unterscheidung zwischen glaukomatösem und nicht glaukomatösem Gesichtsfeld bewerten, seine Leistung mit Augenärzten vergleichen und seinen Nutzen in der realen Welt bewerten.