KI unterstützt bei Diagnose und Therapie von Augenkrankheiten
Das im Projekt Ophthalmo-AI forschende Team entwickelte ein auf Künstlicher Intelligenz (KI) basierendes Assistenzsystem zur Unterstützung von Augenärztinnen und -ärzten: Die interaktive KI analysiert die Bilddaten, die bei Untersuchungen des Augenhintergrundes mittels optischer Kohärenztomographie (OCT) entstehen. Auf Basis dieser Analyse und der klinischen Daten der Patientinnen und Patienten hilft das System, die korrekte Diagnose zu stellen und eine bestmögliche Therapieentscheidung zu treffen.
Die diabetische Retinopathie und die altersbedingte Makuladegeneration sind häufige, chronische Erkrankungen des Auges, die unbehandelt zur Erblindung führen. Regelmäßige Untersuchungen der Netzhaut und Injektionen in den Glaskörper des Auges können das Fortschreiten der Erkrankungen aufhalten. Zwar lassen sich Netzhaut- und Gefäßstrukturen im Auge mittels OCT hochgenau zwei-, drei- und sogar vierdimensional darstellen. Jedoch können Befundung des Bildmaterials, Diagnose und Ableitung einer Therapieentscheidung unter Zeitdruck anspruchsvoll sein und viel Erfahrung erfordern. Fehldiagnosen und Behandlungsfehler haben gravierende Folgen für Patientinnen und Patienten. KI-Assistenzsysteme können hier unterstützen.
Die Forschenden entwickelten daher ein KI-System, das relevante anatomische Marker wie biologische Schichtgrenzen und pathologische Merkmale in OCT-Netzhaut-Scans berechnet und anzeigt, so dass Netzhauterkrankungen KI-basiert voneinander abgrenzt werden können. Durch die Bewertung der Genauigkeit der dargestellten Marker und deren interaktive Korrektur durch Ärztinnen und Ärzte lernt die KI kontinuierlich dazu. Dazu schlägt das System aktiv schwer analysierbare OCT-Bilder vor, von deren Nachbearbeitung durch Expertinnen und Experten ein möglichst großer Erkenntnisgewinn zu erwarten ist.
Darauf aufbauend realisierte das Forschungsteam ein KI-Dashboard, mit dem Ophthalmologinnen und Ophthalmologen OCT-Netzhaut-Scans besser befunden können. Über das Dashboard lassen sich Scans verschiedener Aufnahmezeitpunkte miteinander vergleichen. Die KI zieht die Daten aus der Patientenakte hinzu und erläutert nachvollziehbar ihre Diagnose und Therapieempfehlung anhand von Behandlungsrichtlinien. So verbessert das System die Korrektheit der Diagnose und Zielgenauigkeit der Therapie.
Im Rahmen einer Begleitforschung untersuchten die Wissenschaftlerinnen und Wissenschaftler, inwiefern das System die Effizienz und Behandlungsgenauigkeit der Augenerkrankungen verbessert. Sie bestätigten zudem dessen Benutzerfreundlichkeit und Eignung als innovatives Lernsystem für Assistenzärztinnen und -ärzte.
Abgesehen vom Effizienzgewinn für den klinischen Alltag unterstützt das System die Forschung durch die interaktive Korrektur und Ergänzung der von der KI vorgeschlagenen Markierungen. So hilft es bei der Suche nach neuen klinischen Biomarkern etwa in OCT-Angiografie-Scans.
Artikel „An Edge Estimation Based Active Learning Approach for OCT Segmentation”