Maschinelles Lernen hilft bei der klinischen Datenauswertung in der Augenheilkunde

Ein zuverlässiges und schnelles Tool, welches das ARTORG Center der Universität Bern und die Universitätsklinik für Augenheilkunde am Inselspital entwickelt haben, bringt Künstliche Intelligenz (KI) der klinischen Anwendung für Augenerkrankungen näher. Die Methode extrahiert aus umfangreichen Bilddaten zuverlässig klinisch relevante Informationen und liefert noch während einer Patientenkonsultation in Sekundenschnelle Ergebnisse einer umfassenden Bildanalyse. Moderne medizinische Bildgebung ermöglicht das engmaschige Monitoring chronischer Augenerkrankungen. Augenärztinnen und Augenärzte entscheiden sich hierzu vor allem für die Optische Kohärenztomographie (englisch: optical coherence tomography), ein bildgebendes Verfahren, das 3D-Bilder des Auges mit extrem hoher Auflösung erzeugt. Aber ohne KI-Unterstützung übersteigt die grosse Menge an Bildern und Informationen die Kapazität der einzelnen Expertin oder des einzelnen Experten. Die Herausforderung der vorliegenden Studie bestand darin, KI bereitzustellen, die eine grosse augenheilkundliche Datenmenge mit hoher Geschwindigkeit analysieren kann, um während der Patientenkonsultation die Nutzung aller verfügbaren Informationen aus der Bildanalyse zu ermöglichen. Ein Forschungsteam des Labors Artificial Intelligence in Medical Imaging (AIMI) am ARTORG Center for Biomedical Engineering Research der Universität Bern sowie der Universitätsklinik für Augenheilkunde am Inselspital, Universitätsspital Bern, präsentiert nun ein Machine Learning Tool, das in der Lage ist, eine breite Palette von Biomarkern aus OCT-Scans der Netzhaut zu identifizieren und unverzüglich klinisch relevante Daten zu liefern. Die Studie wurde im Journal 'Nature Scientifc Reports' publiziert. Künstliche Intelligenz entdeckt Biomarker für jeden Krankheitstyp