Påvisning av Keratoconus -progresjon ved bruk av maskinlæring

Keratoconus (KC) er en bilateral okulær sykdom preget av progressiv tynning og bratting av hornhinnen, vanligvis i dens inferotemporale region. Sykdommen forekommer ofte asymmetrisk ettersom det ene øyet påvirkes mer alvorlig av tilstanden. Endringene som ligger til grunn for KC fører til generering av uregelmessig astigmatisme, noe som resulterer i redusert synsskarphet hos pasientene og kan til og med føre til aksial arrdannelse i hornhinnen i avanserte stadier. Sykdommen forekommer vanligvis i det andre eller tredje tiåret av livet, men kan utvikle seg i alle aldre. KC er en kompleks tilstand som involverer miljøfaktorer som alder, rubbing, kontaktlinsebruk, atopi, soleksponering, hormoner, giftstoffer, samt en genetisk komponent. Imidlertid er hvordan disse faktorene bidrar til sykdommen fremdeles ukjent og intraindividuelle forskjeller kan eksistere.

KC kan kategoriseres i forskjellige former basert på sykdomsstadiet. I klinisk KC er det både topografiske og spalte lampefunn av sykdommen.

Betydningen av hornhinnepitelavbildning i diagnosen Keratoconus har blitt demonstrert videre i flere kliniske studier. Som nye anterior segment optisk koherensomografi (AS-OCT) gir enheter mer detaljerte målinger for eksempel av hornhinnepitelet. Dette laget kan derfor være en interessant markør for prediksjon av KC -progresjon og bidra til tidligere diagnose samt bedre resultat av sykdommen.

Målet med denne retrospektive studien er derfor å bestemme om forskjellige topografiske og volumetriske data, for eksempel epiteltykkelseskart (ETM), kan brukes pålitelig til å forutsi progresjonen til KC ved bruk av en maskinlæringsalgoritme.