Diep leren ondersteunde detectie van epitheliale basaalmembraandystrofie

Epitheliale basaalmembraandystrofie, ook bekend als Map-Dot-vingerafdrukdystrofie of Cogan-microcystische dystrofie, is een veel voorkomende bilaterale dystrofie van het voorste menselijke hoornvlies. Volgens een studie treft het ongeveer 2% van de menselijke bevolking. Een recentere studie rapporteerde zelfs veranderingen in het basaalmembraan bij 25% van de algemene bevolking. Vanwege het klinische en morfologische uiterlijk wordt de ziekte echter waarschijnlijk vaak over het hoofd gezien.

Hoewel epitheliale basaalmembraandystrofie bij veel getroffen patiënten asymptomatisch is, zijn er enkele belangrijke klinische gevolgen van de ziekte waarmee rekening moet worden gehouden: Dystrofie is naar schatting de op een na meest voorkomende oorzaak van recidiverend cornea-erosiesyndroom en is ook een belangrijke differentiële diagnose van droge ogen. . Daarom kan het ernstige pijn veroorzaken bij getroffen patiënten. Bovendien speelt epitheel-basaalmembraandystrofie een belangrijke rol in de context van cataractchirurgie, een van de meest uitgevoerde operaties wereldwijd: naast het belang van adequaat ziektebeheer vóór de operatie om postoperatieve verergering van symptomen van het oogoppervlak te voorkomen, is epitheel-basaalmembraandystrofie een ook een risicofactor voor onnauwkeurige preoperatieve biometrie.

In de afgelopen jaren zijn specifieke kenmerken van epitheliale basaalmembraandystrofie geïntroduceerd in andere onderzoeksmethoden dan spleetlampbiomicroscopie, zoals het in kaart brengen van de epitheeldikte of optische coherentietomografie. Vanwege de recente introductie van een verscheidenheid aan deep learning-systemen, zou de toepassing van machine learning de detectiesnelheid voor epitheliale basaalmembraandystrofie aanzienlijk kunnen verhogen. Bovendien is, voor zover ons bekend, de verandering in ziektekenmerken in de loop van de tijd momenteel niet bekend.

Daarom zal het eerste deel van deze studie het vermogen onderzoeken van een geautomatiseerd deep learning-systeem met behulp van optische coherentietomografiescans om onderscheid te maken tussen normale menselijke hoornvliezen en hoornvliezen aangetast door epitheliale basaalmembraandystrofie. Hiervoor zullen in beide onderzoeksgroepen 100 ogen van 50 patiënten worden opgenomen. In een optioneel 2e deel van de studie zal een tweede bezoek worden gepland bij patiënten met epitheel-basaalmembraandystrofie om de reproduceerbaarheid van ziektekenmerken als secundaire uitkomstmaat te onderzoeken.