Hochdurchsatz-Diagnose mit KI-Unterstützung auf Basis großer Modelle unter Verwendung von OCT

Diese Studie untersucht Schlüsseltechnologien für den hochdurchsatzfähigen, KI-gestützten Diagnoseansatz auf Basis großer Modelle unter Verwendung von optischer Kohärenztomografie (OCT) und OCT-Angiografie (OCTA). OCT/OCTA-Bildgebung hat sich zu einem unverzichtbaren, nicht-invasiven Werkzeug für die Erkennung und Überwachung von Netzhaut- und Sehnervenerkrankungen entwickelt, doch die manuelle Auswertung bleibt zeitaufwendig, erfahrungsabhängig und durch Unterschiede zwischen verschiedenen Beobachtern eingeschränkt. Jüngste Fortschritte bei großen künstlichen Intelligenz-Modellen bieten die Möglichkeit, skalierbare, generalisierbare Diagnosewerkzeuge zu entwickeln, die große multimodale Datensätze verarbeiten und klinische Entscheidungsfindung unterstützen können.

Diese Beobachtungsstudie wird Patienten einschließen, die sich routinemäßigen OCT- und/oder OCTA-Untersuchungen am Peking Union Medical College Hospital unterziehen und bei denen eine oder mehrere der folgenden Erkrankungen diagnostiziert werden: diabetische Retinopathie, retinaler Venenastverschluss, Zentralvenenverschluss, altersbedingte Makuladegeneration, pathologische myope choroidale Neovaskularisation oder Glaukom mit Sehnervenschädigung. Die Studie umfasst sowohl retrospektiv gesammelte als auch prospektiv erworbene Bildgebungs- und klinische Daten, wobei standardisierte Qualitätskontroll- und Datenmanagementverfahren eingehalten werden.

Das hochdurchsatzfähige Diagnoseframework wird mit groß angelegten Bild- und klinischen Datensätzen trainiert und validiert. Primäre Endpunkte umfassen Diagnoseleistungskennzahlen wie die Fläche unter der Receiver-Operating-Characteristic-Kurve (AUC). Sekundäre Endpunkte umfassen Sensitivität, Spezifität und bei Anwendbarkeit eine Läsions- oder strukturelle Merkmalsbewertung. Es werden keine experimentellen Interventionen eingeführt, und alle Bildgebungs- und klinischen Bewertungen folgen der Standardversorgung.

Die Studie zielt darauf ab, einen robusten, klinisch relevanten Benchmark für KI-Systeme auf Basis großer Modelle in der OCT/OCTA-Auswertung zu schaffen und technische Unterstützung für die zukünftige Integration KI-gestützter Diagnosewerkzeuge in die routinemäßige ophthalmologische Praxis zu bieten.