ERKENNUNG VON AUGENKRANKHEITEN MIT HYBRID-DEEP-LEARNING-ALGORITHMEN AUS FUNDUSBILDERN

Laut dem im Jahr 2020 veröffentlichten weltweiten Bericht der Weltgesundheitsorganisation leiden derzeit mindestens 2,2 Milliarden Menschen weltweit an einer Sehbehinderung, und mindestens 1 Milliarde von ihnen hat eine Sehbehinderung, die verhindert werden kann oder noch nicht behandelt wurde. Die Welt steht vor erheblichen Herausforderungen im Bereich der Augengesundheit, darunter Ungleichheiten in der Abdeckung und Qualität der Präventions-, Behandlungs- und Rehabilitationsdienste für die Augenheilkunde, ein Mangel an ausgebildeten Augenheilkundeanbietern und eine schlechte Integration der Augenheilkundedienste in die Gesundheitssysteme.

Es ist bekannt, dass mehr als 80 % aller Sehstörungen verhindert oder behandelt werden können. Um eine korrekte Diagnose zu stellen, muss eine Augenhintergrunduntersuchung von einem Netzhautspezialisten durchgeführt werden. Einen Augenarzt konsultieren Patienten jedoch nur, wenn sie Beschwerden verspüren. Während die Symptome in der Regel so stark fortschreiten, dass nach dem Auftreten einer Krankheit teure Behandlungen und Operationen erforderlich sind, ist der Schaden oft irreversibel und führt zu einer Sehbehinderung oder sogar zu einem dauerhaften Sehverlust.

Mithilfe künstlicher Intelligenz werden Theorien und Methoden untersucht und entwickelt, die dabei helfen können, die menschliche Intelligenz zu simulieren und zu erweitern, die in vielen Forschungsbereichen wie der automatischen Diagnose und der Medizin eingesetzt wird. In den letzten Jahren hat die Schnittstelle zwischen künstlicher Intelligenz (KI) und moderner Medizin ein wirksames und schnelles Krankheitsscreening ermöglicht. EyeCheckup ist ein automatisiertes Softwaregerät zur Analyse digitaler Farbfotos des Augenhintergrunds, um schnell nach Erkrankungen der Netzhaut und des Sehnervenkopfes zu suchen.

Das Hauptziel der Forschung besteht darin, die Leistungsfähigkeit des automatischen Screening-Algorithmus zur Erkennung steuerbarer Netzhaut- und Sehnervenerkrankungen anhand von Farbfundusbildern zu bewerten und seine Sensitivität und Spezifität gegenüber möglichen Erkrankungen zu bestimmen. Zur klinischen Validierung des Systems werden die Bilder von Augenärzten ausgewertet und die Ergebnisse mit dem Algorithmus der künstlichen Intelligenz verglichen.

Nach Ausschlüssen werden in diese Studie bis zu 1528 Probanden aufgenommen, die die Zulassungskriterien erfüllen. Teilnehmer, die die Zulassungskriterien erfüllen, werden nach Einholung einer schriftlichen Einverständniserklärung der primären Gesundheitsdienstleister rekrutiert. Die Probanden werden einer Fundusfotografie gemäß von der Food and Drug Administration (FDA) zugelassenen Augenkameras unterzogen. Die Bilder werden gemäß einem spezifischen EyeCheckup-Bildgebungsprotokoll aufgenommen, das dem ophthalmologischen Kameramann zur Verfügung gestellt wird, und dann vom EyeCheckup v2.0-Gerät analysiert.

Methoden und Werkzeuge, die in der Forschung verwendet werden sollen:

I. Fundus-Fotoaufnahme mit nicht-mydriatischen Kameras: Mit den nicht-mydriatischen Fundus-Kameras Canon CR-2 AF, Topcon TRC-NW400 und Optomed Aurora werden scheibenzentrierte und foveazentrierte Fundusbilder aufgenommen. Bei Freiwilligen, deren nicht-mydriatische Bilder nicht erhalten werden können, wird eine Pupillenerweiterung durch Einträufeln von Tropicamid-Tropfen erreicht und anschließend werden Bilder aufgenommen. Canon CR-2 AF, Topcon TRC-NW400 und Optomed Aurora Nicht-mydriatische Funduskameras, von denen Netzhautbilder aufgenommen werden, sind CE-gekennzeichnet und von der FDA zugelassen.

Durchzuführende Tests:

I. Fundusbilder, die mit drei verschiedenen Kameras von jedem in die Studie einbezogenen Freiwilligen aufgenommen wurden, werden vom EyeCheckup-Algorithmus für künstliche Intelligenz auf Kamerabasis separat für das rechte und das linke Auge analysiert.

ii. Auswertung von Canon CR-2 AF-Bildern durch Netzhaut- und Glaukomspezialisten zur klinischen Validierung des Systems und Vergleich der Ergebnisse,