Die Frühgeborenen-Retinopathie (ROP), eine schwere Augenerkrankung bei Frühgeborenen, ist eine der Hauptursachen für Sehstörungen und Blindheit.
Eine frühzeitige Behandlung kann die schlimmsten Auswirkungen der ROP abmildern, aber der Mangel an pädiatrischen Augenärzten, insbesondere in Ländern mit niedrigem und mittlerem Einkommen, ist ein großes Hindernis.
In einer Studie veröffentlicht in The Lancetentwickelten die Forscher ein codefreies KI-Modell zur Diagnose von ROP anhand von Netzhautbildern.
Sie glauben, dass das Modell Augenärzten helfen wird, die Krankheit von überall auf der Welt zu diagnostizieren, da es in der Google Cloud läuft und nur minimale technische Kenntnisse für den Betrieb erfordert.
Über Frühgeborenen-Retinopathie (ROP)
ROP ist ein abnormales Wachstum der Blutgefäße in der Netzhaut, das typischerweise bei Säuglingen beobachtet wird, die vor der 31.
Während sich eine leichte ROP von selbst zurückbilden kann, können schwere Fälle zu einer Netzhautablösung, Sehbehinderung und Blindheit führen.
Zur Diagnose von ROP werden mehrere Netzhautmerkmale herangezogen, darunter die Plus-Krankheit, die als abnorme Schlängelung der Blutgefäße in der Netzhaut definiert ist. "Das Vorhandensein der Plus-Krankheit gilt als Marker für eine behandlungsbedürftige Retinopathie", erklärten die Forscher in der Studie. Routineuntersuchungen durch Kinderaugenärzte können dazu beitragen, das Fortschreiten der ROP zu verhindern.
Frühere Studien haben bereits gezeigt, dass KI-Modelle auf der Grundlage der Analyse von Netzhautbildern eine schwere ROP genau diagnostizieren können. Die meisten dieser Modelle erfordern jedoch technisches Fachwissen und beträchtliche Hardware-Ressourcen, die in einigen medizinischen Einrichtungen knapp sind.
Ein zugängliches, codefreies KI-Modell löst diese Herausforderungen und ermöglicht Augenärzten den Zugang zu modernster Netzhautdiagnostik von jedem Ort mit einer Internetverbindung aus.
Die Rolle der KI
Die Studie vergleicht ein codefreies KI-Modell, das auf der Google Cloud AutoML Vision Application Programming Interface (API) basiert, mit einem von Grund auf neu entwickelten Modell.
"Die codefreie KI-Anwendung wurde anhand von Bildern von Neugeborenen mit ethnisch und sozioökonomisch unterschiedlichem Hintergrund in einem Krankenhaus in Großbritannien entwickelt", so die Forscher.
Da es auf Google Cloud AutoML läuft, erfordert das Modell nur minimale technische Kenntnisse und keine Hardware außer einer Internetverbindung - Sie geben einfach Ihre Netzhautbilder in das vortrainierte Modell ein.
Die Studie ergab, dass das codefreie Google Cloud AutoML-Modell ähnlich gut abschnitt wie das maßgeschneiderte Modell und bei der Erkennung der Plus-Krankheit ähnlich genau war wie das Modell von erfahrenen Augenärzten.
Einer der Autoren, Dr. Konstantinos Balaskas, außerordentlicher Professor am University College London, sagteDa sie nachweisbar und behandelbar ist, sollte kein Kind an Frühgeborenen-Retinopathie erblinden. Wir hoffen, dass unsere Technik zur automatischen Diagnose der Frühgeborenen-Retinopathie den Zugang zur Versorgung in unterversorgten Gebieten verbessern und die Erblindung von Tausenden von Neugeborenen weltweit verhindern wird."
Dr. Deepak Bhatt, MPH, Direktor des Mount Sinai Heart in New York, lobte die Studie mit den Worten: "Dies ist eine kluge Studie, die eine potenziell sehr nützliche Anwendung von künstlicher Intelligenz zeigt. Die Autoren haben gezeigt, dass ihr KI-Programm bei der Erkennung einer der Hauptursachen für Blindheit bei Kindern durch die Untersuchung von Netzhautbildern genauso gut abschneidet wie erfahrene Augenärzte."
Bhatt betonte das Potenzial von KI im Gesundheitswesen: "Maschinelles Lernen und KI sind aus der Science-Fiction-Phase herausgetreten und können in der klinischen Praxis nützlich sein. Diese Studie ist ein schönes Beispiel dafür. Es werden mehr Studien wie diese in verschiedenen Bevölkerungsgruppen benötigt".
Codefreie, cloudbasierte Modelle stehen jedem zur Verfügung, der eine Internetverbindung hat.
Es gibt keine Hardware-Anforderungen, und das Modell ist bereits trainiert, so dass Sie nur einen Input benötigen (in diesem Fall Netzhautbilder).
Die Forscher räumen ein, dass das Modell in erster Linie anhand von Bildern getestet wurde, die mit einer Retcam aufgenommen wurden, einer speziellen Art von Netzhautkamera, die in der Regel teuer ist.
Es könnte jedoch auf andere Netzhautbilder ausgeweitet werden, so dass Gesundheitsdienstleister von jedem Ort der Welt aus Zugang zu modernster Netzhautdiagnostik hätten.
