Roche Navigation Menu
Roche logo
  • Anmelden
  • Abmelden
  • Suche
Roche in Deutschland
  • Zurück
  • Home
  • Search
  • Close search

						
							

Searching

    • Home
    • Klinische Daten
      Klinische Daten Übersicht
      • Dermatoonkologie
      • Hämophilie
      • Ophthalmologie
      • Tumoragnostischer Therapieansatz
      • Gastrointestinale Onkologie
      • Pneumologie
      • Uro-Onkologie
      • Gynäkoonkologie
      • Nephrologie
      • Rheumatologie
      • Hämatologie
      • Hämatologie
      • Neuroscience
      • Thorakale Onkologie
      Spotlight Roche Newsletter

      Roche Newsletter

    • Produkte
      Produkte Übersicht
      • Dermatoonkologie/Dermatologie
      • Hämophilie
      • Ophthalmologie
      • Tumoragnostischer Therapieansatz
      • Gastrointestinale Onkologie
      • Pneumologie
      • Uro-Onkologie
      • Gynäkoonkologie
      • Nephrologie
      • Rheumatologie
      • Hämatologie
      • Hämatologie
      • Neuroscience
      • Enspryng®
      • Thorakale Onkologie
    • Services
      Services Übersicht
      • Dermatoonkologie/Dermatologie
      • Hämophilie
      • Ophthalmologie
      • Thorakale Onkologie
      • Thorakale Onkologie
      • Gastrointestinale Onkologie
      • Investigator Initiated Studies (IIS)
      • Personalisierte Medizin
      • Tumoragnostischer Therapieansatz
      • Gynäkoonkologie
      • Nephrologie
      • Pneumologie
      • Uro-Onkologie
      • Hämatologie
      • Hämatologie
      • Neuroscience
      • Rheumatologie
      Spotlight Fachinformationen und PV-Schulungsmaterialien

    • Download-Center
      Download-Center Übersicht
    • Aktuelles
      Aktuelles Übersicht
      • Zukunft der Neurologie
      • Zukunft der Onkologie
      • Coronavirus
      • Hinweise für Ärzte und Patienten
      • News
      • News@Roche
      • Newsletter Archive
      • Hämatologie/Onkologie
      • Neuroscience
      • Newsletter Abos
      • Hämatologie/Onkologie
      • Nephrologie
      • Neuroscience
      • Pneumologie
      • Roche Podcasts
      • Expertendialoge
      • Nervennahrung
      Spotlight Roche Newsletter

      Roche Newsletter

    • Veranstaltungen
      Veranstaltungen Übersicht
    • Medizinische Anfragen
      Medizinische Anfragen Übersicht
    • Home
    • Klinische Daten
      • Dermatoonkologie
      • Hämophilie
      • Ophthalmologie
      • Tumoragnostischer Therapieansatz
      • Gastrointestinale Onkologie
      • Pneumologie
      • Uro-Onkologie
      • Gynäkoonkologie
      • Nephrologie
      • Rheumatologie
      • Hämatologie
      • Hämatologie
      • Neuroscience
      • Thorakale Onkologie
    • Produkte
      • Dermatoonkologie/Dermatologie
      • Hämophilie
      • Ophthalmologie
      • Tumoragnostischer Therapieansatz
      • Gastrointestinale Onkologie
      • Pneumologie
      • Uro-Onkologie
      • Gynäkoonkologie
      • Nephrologie
      • Rheumatologie
      • Hämatologie
      • Hämatologie
      • Neuroscience
        • Enspryng®
      • Thorakale Onkologie
    • Services
      • Dermatoonkologie/Dermatologie
      • Hämophilie
      • Ophthalmologie
      • Thorakale Onkologie
      • Thorakale Onkologie
      • Gastrointestinale Onkologie
      • Investigator Initiated Studies (IIS)
      • Personalisierte Medizin
      • Tumoragnostischer Therapieansatz
      • Gynäkoonkologie
      • Nephrologie
      • Pneumologie
      • Uro-Onkologie
      • Hämatologie
      • Hämatologie
      • Neuroscience
      • Rheumatologie
    • Download-Center
    • Aktuelles
      • Zukunft der Neurologie
      • Zukunft der Onkologie
      • Coronavirus
        • Hinweise für Ärzte und Patienten
      • News
        • News@Roche
      • Newsletter Archive
        • Hämatologie/Onkologie
        • Neuroscience
      • Newsletter Abos
        • Hämatologie/Onkologie
        • Nephrologie
        • Neuroscience
        • Pneumologie
      • Roche Podcasts
        • Expertendialoge
        • Nervennahrung
    • Veranstaltungen
    • Medizinische Anfragen
    • Anmelden
    • Abmelden
    Schließen

    1 - of Ergebnisse zu: ""

    No results


    Fundusdiagnostik auf Basis von Netzhautbildern

    Künstliche Intelligenz (KI) verändert die Augenheilkunde

     

    Computergestützte Untersuchungsmethoden sind fester Bestandteil unseres klinischen Alltags geworden und unverzichtbar für eine zeitgemäße, augenärztliche Patientenversorgung. Dabei obliegt die Interpretation der so erhobenen Befunde allein dem behandelnden Arzt. Doch welche Unterstützung kann Künstliche Intelligenz (KI) und speziell die Deep Learning-Algorithmen mittlerweile dem Augenarzt bieten und wo liegen ihre Grenzen?

     

    Künstliche Intelligenz – Machine Learning – Deep Learning

    Die Bezeichnung Künstliche Intelligenz (KI) ist ein weit gefasster Überbegriff für intelligente Maschinen, die menschliches Denken oder Verhalten nachahmen.1 Ein Teilaspekt der Künstlichen Intelligenz ist das sog. Machine Learning. In diesem Fall werden Algorithmen so konzipiert, dass sich der Computer an Umgebungssituationen anpassen kann, ohne exakt dafür programmiert worden zu sein. 

    Das bedeutet, dass diese Maschinen ihre bestehende Programmierung im weiteren Verlauf an neue Situationen anpassen und somit situationsentsprechend reagieren können. Für viele praktische Anwendungen, auch außerhalb der Medizin, ist diese Fähigkeit entscheidend – denken wir beispielsweise an autonomes Fahren, wo natürlich nicht jede mögliche Situation exakt vorhersagbar ist. Der Algorithmus muss sich anpassen. Mittlerweile gibt es lernende Computerprogramme, die mehrschichtig aufgebaut sind (Multilayer Struktur), so dass jede Verarbeitungsebene die Ergebnisse der vorherigen Schicht als Input nutzt und das System sich stetig selbst programmiert. Diese hoch komplexe Form der Künstlichen Intelligenz bezeichnet man als Deep Learning.

     
     

    Deep Learning in der Augenheilkunde

    In der Medizin wird die Künstliche Intelligenz und speziell die Deep Learning-Technologie angewendet, um Computer so zu programmieren, dass sie in der Folge definierte Fragestellungen eigenständig beantworten können. Das Prinzip ist es, zunächst mit Hilfe eines Trainingsdatensatzes, also einer großen Menge geeigneter Daten, das System zu formen. 

    In der Studie von Poplin et al. aus dem Jahr 2018 gelang es Forschern einen lernenden Algorithmus anhand von über 280.000 Netzhautbildern mittels Deep Learning zu trainieren. Dieser Algorithmus war anschließend in der Lage, auf Fundusbildern anderer Probanden, deren kardiovaskuläre Risikofaktoren zu bestimmen: Informationen über Geschlecht, Alter, Rauchgewohnheiten, Blutdruck, Body Mass Index (BMI) und HbA1c-Wert ließen sich verlässlich vom System bestimmen.2

    Der Algorithmus hatte also anhand der Netzhautbilder des Trainingsdatensatzes gelernt, charakteristische anatomische Merkmale auf den Aufnahmen zu erkennen. Limitierend wirkt sich bei dieser Technologie der begrenzte Umfang des Trainingsdatensatzes aus. Um beispielsweise die Wahrscheinlichkeit für schwere kardiale Komplikationen in der genannten Studie zu ermitteln, wären die verwendeten Daten bei weitem zu gering gewesen.

     

     

    Was verrät
    unsere Netzhaut?

    Künstliche Intelligenz (KI) erkennt
    Alter, Geschlecht, Rauchgewohnheiten
    etc. auf Fundusbildern

     

    Diagnose per Computer am Netzhautbild

    Regelmäßige Funduskontrollen sind bei Diabetikern ein Muss, um pathologische Netzhautveränderungen frühzeitig zu erkennen und sie rechtzeitig zu behandeln, bevor potentielle Komplikationen und Sehminderung auftreten. Eine weitere Studie zum Thema Künstliche Intelligenz untersuchte die Möglichkeit, ein solches Diabetesscreening mit Hilfe eines Deep Learning-Algorithmus zu automatisieren. Die Forscher führten ein Netzwerktraining mit über 12.000 Netzhautbildern von Diabetikern durch, die zuvor von Ophthalmologen hinsichtlich der Schwere einer möglichen diabetischen Retinopathie (DR) und dem Vorhandensein eines diabetischen Makulaödems (DMÖ) klassifiziert worden waren. Der so erstellte Algorithmus konnte dann mit einer Sensitivität von über 95 % und einer Spezifität von über 90 % eine behandlungsbedürftige diabetische Retinopathie erkennen.3

     

     

    Diabetes-Screening
    am Auge

    Deep Learning Algorithmen erkennen
    und klassifizieren diabetische
    Veränderungen der Netzhaut

     

    Was bringt die Zukunft?

    In den USA befinden sich automatisierte Screeningverfahren für Netzhauterkrankungen bei Diabetes mellitus bereits in der praktischen Anwendung – die erstmalige Zulassung erfolgte dort 2018. Aber auch in Deutschland gewinnt die Künstliche Intelligenz in der Medizin zunehmend an Bedeutung, um den Arzt beispielsweise bei der Befundung komplexer bildgebender Verfahren zu unterstützen. Telemedizinische Pilotprojekte wie das der Universitätsaugenklinik Greifswald zum automatisierten Screening, vorgestellt auf dem DOC 2021, befassen sich auch in Deutschland mit ähnlichen Fragestellungen.

    Die individuelle Validierung sämtlicher Befunde auf Basis medizinischen Wissens und ärztlicher Erfahrung sowie die persönliche Beratung des Patienten bleiben trotz maschineller Unterstützung sicher auch in Zukunft Kernkompetenzen des behandelnden Arztes.

     
     
     
     
    1. Paaß G, Hecker D. Künstliche Intelligenz. Springer Vieweg, Wiesbaden 2020: 1-14 https://doi.org/10.1007/978-3-658-30211-5_1
    2. Poplin R et al., Nat Biomed Eng 2018; 2(3): 158-164
    3. Gulshan V et al., JAMA 2016 Dec.13;316(22): 2402-2410
     

    • © 2023 Roche Pharma AG
    • 22.05.2023
    • Impressum
    • Rechtliche Hinweise
    • Datenschutz
    • Bildnachweise
    • Cookie settings