Leistungsbewertung der Einstufung der durch künstliche Intelligenz unterstützten diabetischen Retinopathie im Universitätskrankenhaus Leuven: Kann Technologie den Bewohner verbessern? (PEARL)

Diabetes mellitus ist eine der großen gesundheitlichen Herausforderungen unserer Zeit. Es wird geschätzt, dass bis 2040 weltweit 642 Millionen Menschen mit dieser Krankheit diagnostiziert werden. Diabetes ist eine Krankheit, die den gesamten Körper betrifft und aufgrund ihrer Wirkung auf das Mikrogefäßsystem mit vielen möglichen Komplikationen einhergeht. Die am weitesten verbreitete dieser Komplikationen ist die diabetische Retinopathie, die sowohl durch mikrovaskuläre als auch neurale Schäden verursacht wird.

Laut Studien der Eye Diseases Prevalence Research Group in den Vereinigten Staaten weisen etwa 40 % der Patienten einen gewissen Grad an Retinopathie auf. 8 % der Patienten haben sogar eine sehkraftbedrohende diabetische Retinopathie.

Diabetische Retinopathie ist eine der Hauptursachen für Erblindung in unserer heutigen Gesellschaft. Dies kann jedoch durch ein jährliches Screening und eine rechtzeitige Überweisung zur Behandlung verhindert werden. Das beste Beispiel dafür ist die Tatsache, dass Diabetes mellitus seit der Einführung eines landesweiten Screening-Programms nicht mehr die Hauptursache für Blindheit im Vereinigten Königreich ist.

Daher haben viele Länder eine Art Screening-Programm organisiert. Es gibt jedoch große organisatorische Unterschiede zwischen den Ländern. Dies kann von einer jährlichen dilatativen Fundoskopie durch einen Augenarzt (wie es in Belgien der Fall ist) bis hin zu nicht-mydriatischen Fundusfotos reichen, die von einem ausgebildeten Bewerter bewertet werden, der kein (Para-)Mediziner ist.

Selbst bei einem möglichst effizienten Screening-Pfad wird die Zunahme der Patientenzahlen zu einem Problem, da der menschliche Faktor im Screening-Pfad (Arzt, Optiker, ausgebildeter Bewerter, …) seine Kapazität nicht mit der gleichen Geschwindigkeit steigern kann. Das aktuelle System wird irgendwann an seine Grenzen stoßen. Darüber hinaus ist bekannt, dass ein erheblicher Teil der Diabetespatienten das empfohlene jährliche Screening nicht einhält. Diese Probleme werden zu längeren Wartelisten, Unterdiagnosen aufgrund überarbeiteter Ärzte, langen Wartelisten und möglicherweise einem Mangel an qualitativ hochwertiger Versorgung führen.

Das einfache Ersetzen des Augenarztes durch einen ausgebildeten Grader wird wahrscheinlich nicht alle diese Probleme lösen. Es verschiebt sie nur und bleibt trotzdem kosten- und arbeitsintensiv. Die Situation in Ländern, die bereits ausgebildete Bewerter einsetzen, bestätigt diesen Verdacht. Darüber hinaus gibt es auch Raum für Verbesserungen in der Qualität der Versorgung und der Genauigkeit der Diagnose in diesen Einrichtungen.

In den letzten Jahren wurde künstliche Intelligenz, genauer gesagt Deep Learning, als Mittel zur Lösung dieser Probleme postuliert. Bereits in ersten Studien wurde gezeigt, dass Deep-Learning-Algorithmen eine hohe Sensitivität und Spezifität bei der Erkennung referenzierbarer diabetischer Retinopathie erreichen. Die Weiterentwicklung dieser Algorithmen und gründlichere Forschung haben diese Ergebnisse bestätigt. Der Einsatz von KI wurde in vielen medizinischen Bereichen untersucht, das Screening auf diabetische Retinopathie bleibt jedoch der Pionier, wie die allererste FDA-Zulassung für eine medizinische KI-Anwendung, das Screening-System IDx für diabetische Retinopathie, bestätigt.

Die aktuelle Forschung konzentriert sich neben der Aufnahme der Bilder hauptsächlich auf die Leistungsfähigkeit eines Algorithmus der künstlichen Intelligenz als autonomes Diagnosewerkzeug ohne Interaktion mit einem Menschen. Unter Medizinern herrscht die Befürchtung, dass künstliche Intelligenz sie in naher Zukunft teilweise ersetzen und langfristig obsolet machen wird. Diese neuartigen Technologien könnten jedoch auch verwendet werden, um das medizinische Fachpersonal dabei zu unterstützen, die Diagnose genauer zu stellen, anstatt sie zu ersetzen.

Daher möchten wir im PEARL-Projekt den Einsatz eines Algorithmus der künstlichen Intelligenz als diagnostisches Hilfsmittel evaluieren, um die diagnostische Genauigkeit des Arztes zu verbessern, anstatt den Arzt zu ersetzen, sicherlich in einem Ausbildungskontext.