KI kann vorhersagen, welche Patienten eine Behandlung benötigen, um ihr Sehvermögen zu bewahren

Forscher haben erfolgreich künstliche Intelligenz (KI) eingesetzt, um vorherzusagen, welche Patienten behandelt werden müssen, um ihre Hornhäute zu stabilisieren und ihr Sehvermögen zu bewahren, in einer heute vorgestellten Studie (Sonntag) auf dem 43. Kongress der Europäischen Gesellschaft für Katarakt- und Brechchirurgen (ESCRs).

Die Forschung konzentrierte sich auf Menschen mit Keratokonus, eine Sehbehinderung, die sich im Allgemeinen bei Teenagern und jungen Erwachsenen entwickelt und sich im Erwachsenenalter verschlechtert. Es betrifft bis zu 1 von 350 Personen. In einigen Fällen kann die Erkrankung mit Kontaktlinsen behandelt werden, in anderen Fällen verschlechtert sie sich jedoch schnell und wenn sie nicht behandelt wird, benötigen Patienten möglicherweise eine Hornhauttransplantation. Derzeit ist die einzige Möglichkeit, zu erkennen, wer behandelt werden muss, um die Patienten im Laufe der Zeit zu überwachen.

Die Forscher verwendeten AI, um die Augen der Patienten der Patienten in Kombination mit anderen Daten zu bewerten und erfolgreich vorherzusagen, welche Patienten eine sofortige Behandlung benötigten und welche mit der Überwachung fortgesetzt werden konnten.

Die Studie wurde von Dr. Shafi Balal und Kollegen des Moorfields Eye Hospital NHS Foundation Trust, London, und dem University College London (UCL), Großbritannien, durchgeführt. Er sagte: „Bei Menschen mit Keratokonus wölbt sich die Hornhaut-das Auge-Frontfenster-nach außen. Keratokonus verursacht bei jungen Patienten im erwerbenen Alter eine Sehbehinderung, und es ist der häufigste Grund für Hornhauttransplantationen in der westlichen Welt.

„Eine einzelne Behandlung namens“ Vernetzung „kann das Fortschreiten der Erkrankung stoppen. Bei der Durchführung einer dauerhaften Narbenung verhindert die Vernetzung häufig die Notwendigkeit einer Hornhauttransplantation. Die Ärzte können jedoch derzeit nicht vorhersagen, welche Patienten voranschreiten und eine Behandlung erfordern, und was bei stabilen Überwachung bleibt. Dies bedeutet, dass die Patienten über viele Jahre eine häufige Überwachung benötigen. Durch Fortschreiten, die nach dem Fortschreiten nach Fortschreiten, wurden bereits eine nach Fortschreiten geführte, nach der Fortschritte, die nach Fortschritten gespielt werden, hat bereits eine nach Fortschritte geführte Progressionen.“

Die Studie umfasste eine Gruppe von Patienten, die an das Moorfields Eye Hospital NHS Foundation Trust für die Bewertung und Überwachung von Keratokonus überwiesen wurden, einschließlich Scannen der Vorderseite des Auges mit optischer Kohärenztomographie (OCT), um ihre Form zu untersuchen. Die Forscher verwendeten AI, um 36.673 OCT -Bilder von 6.684 verschiedenen Patienten zusammen mit anderen Patientendaten zu untersuchen.

Der AI -Algorithmus könnte genau vorhersagen, ob sich der Zustand eines Patienten unter Verwendung von Bildern und Daten vom ersten Besuch stabil verschlechtert oder stabil bleibt. Mit KI konnten die Forscher zwei Drittel der Patienten in eine Risikogruppe sortieren, die keine Behandlung benötigten, und das andere Drittel in eine Gruppe mit hohem Risiko, die eine sofortige Vernetzung musste. Wenn Informationen aus einem zweiten Krankenhausbesuch einbezogen wurden, konnte der Algorithmus bis zu 90% der Patienten erfolgreich kategorisieren.

Die Cross -Verknüpfungsbehandlung verwendet ultraviolettes Licht und Vitamin B2 (Riboflavin), um die Hornhaut zu versteifen, und ist in mehr als 95% der Fälle erfolgreich.

Unsere Forschung zeigt, dass wir mit KI vorhergesagt werden können, welche Patienten eine Behandlung benötigen und welche mit der Überwachung fortgesetzt werden können. Dies ist die erste Studie dieser Art, um diese Genauigkeit bei der Vorhersage des Risikos eines Keratokonus -Fortschreitens aus einer Kombination von Scans und Patientendaten zu erhalten, und verwendet eine große Kohorte von Patienten, die über zwei Jahre oder länger überwacht werden. Obwohl diese Studie auf die Verwendung eines bestimmten OCT -Geräts beschränkt ist, können die verwendeten Forschungsmethoden und der KI -Algorithmus auf andere Geräte angewendet werden. Der Algorithmus wird nun weitere Sicherheitstests durchlaufen, bevor er in der klinischen Umgebung eingesetzt wird.

Unsere Ergebnisse könnten bedeuten, dass Patienten mit einem Keratokonus mit hohem Risiko vor dem Fortschreiten ihres Zustands vorbeugende Behandlung erhalten können. Dies verhindert den Verlust des Sehvermögens und vermeidet die Notwendigkeit einer Hornhauttransplantationsoperation mit den damit verbundenen Komplikationen und Erholungsbelastungen. Patienten mit geringem Risiko vermeiden unnötige häufige Überwachung, wodurch die Ressourcen für die Gesundheitsversorgung freigegeben werden. Die effektive Sortierung von Patienten durch den Algorithmus ermöglicht es Spezialisten, in Gebiete mit größtem Bedarf umgeleitet zu werden. „

Dr. Shafi Balal, Moorfields Eye Hospital NHS Foundation Trust

Die Forscher entwickeln nun einen leistungsstärkeren KI -Algorithmus, der auf Millionen von Augen -Scans trainiert wird und auf bestimmte Aufgaben zugeschnitten werden kann, einschließlich der Vorhersage von Keratokonus -Fortschritten, aber auch auf andere Aufgaben wie das Erkennen von Augeninfektionen und erbte Augenkrankheiten.

Dr. José Luis Güell, ESCRS -Treuhänder und Leiter der Hornhaut, Katarakt- und Brecherschirurgie am Instituto de Microcirugía Ocular, Barcelona, ​​Spanien, der nicht an der Forschung beteiligt war, sagte: „Keratokonus ist ein überschaubarer Zustand, aber wenn man sich an die Behandlungsverluste handelt, kann das Problem mit der Behandlung von Delikten zu tun, und wie die Behandlungsverluste auftreten. invasive Implantat oder Transplantation.

„Diese Untersuchung legt nahe, dass wir KI verwenden können, um vorherzusagen, wer Fortschritte erzielt wird, selbst aus ihrer ersten Routinkonsultation, was bedeutet, dass wir Patienten vor dem Fortschreiten und sekundären Änderungen frühzeitig behandeln können. Ebenso können wir die unnötige Überwachung von Patienten reduzieren, deren Zustand stabil ist.

Quellen: