Vorhersage des Risikos diabetischer neurodegenerativer Erkrankungen durch künstliche Intelligenz auf der Grundlage der Netzhautbildgebung

Diabetische Retinopathie (DR) ist die häufigste Komplikation von Diabetes, und ihr Auftreten und ihre Schwere hängen mit dem Auftreten sowohl mikro- als auch makrovaskulärer Ereignisse zusammen.

Als Hauptrichtung der Diabetesforschung wurden Risikoprofile vorgeschlagen, die auf nicht-invasiven Untersuchungen der Netzhautbildgebung basieren. Es gibt vielversprechende Beweise dafür, dass künstliche Intelligenz (KI) auf der Grundlage von Fundusfotos klinische Kennzahlen und systemische Zustände erkennen kann, die für erfahrene menschliche Beobachter unsichtbar sind. Bemerkenswert ist, dass Deep-Learning (DL) Convolutional Neural Networks (CNNs), die für Netzhautfotos entwickelt wurden, bei der Erkennung von DR im Vergleich zur menschlichen Beurteilung eine überlegene Leistung gezeigt haben.

Über den Zusammenhang zwischen retinalen Gefäßanomalien und neurovaskulären Komplikationen bei Diabetes wurde berichtet. Die Netzhaut ist ein Fenster zum Körper, das eine nichtinvasive Beobachtung mikrovaskulärer und neuronaler Gewebe ermöglicht. In der klinischen Praxis gibt es jedoch keine gemeldeten phänotypischen Indikatoren oder zuverlässigen Untersuchungen zur Identifizierung von Typ-2-Diabetikern (T2D) mit neurodegenerativer/kognitiver Beeinträchtigung. Das Vorliegen einer kognitiven Beeinträchtigung ist eine sehr häufige Komplikation bei Diabetikern und wird bei bis zu 60 % der Diabetiker gemeldet, verglichen mit nur 11 % bei den Nicht-Diabetikern (OR von 8,78).

Darüber hinaus wurde auf Netzhautbildgebung basierende KI noch nie zuvor eingesetzt, um den Beginn und die Verschlechterung einer neurodegenerativen/kognitiven Beeinträchtigung von T2D in einer realen Umgebung vorherzusagen.

Ziel dieses Projekts ist die Entwicklung vertrauenswürdiger KI-Tools zur Vorhersage des Risikos der Entwicklung und des Fortschreitens einer neurodegenerativen/kognitiven diabetischen Beeinträchtigung auf der Grundlage von Netzhautbildern in der T2D-Population. Für die Entwicklung und Validierung dieser Tools werden T2D-Patienten aus vier etablierten italienischen Zentren rekrutiert.

Der Vorschlag dieser Studie richtet sich an Gesundheitssysteme, um deren Bewusstsein für diabetische neurodegenerative/kognitive Komplikationen zu schärfen und die damit verbundene wirtschaftliche Belastung zu verringern. Da die überwiegende Mehrheit dieser Erkrankungen unerkannt bleibt, wird DINEURET neue kostengünstige Screening-Strategien zur Identifizierung dieser Patienten bereitstellen.

Beteiligt sind 4 Zentren:

• 75 Patienten werden in das IRCCS Ospedale San Raffaele, Mailand, aufgenommen;
• 75 Patienten werden in das IRCCS MultiMedica, Mailand, aufgenommen;
• 50 Patienten werden im Ospedale Della Murgia „Fabio Perinei“, Altamura, aufgenommen;
• 50 Patienten werden in die Azienda Ospedaliero-Universitaria (AOUI) von Cagliari, Cagliari, aufgenommen.