Bei makulären Teleangiektasien Typ 2 wird zunehmend die Netzhautmitte geschädigt. Die zentrale Sehschärfe bleibt längere Zeit erhalten. Funktionsausfälle treten typischerweise zunächst außerhalb des Netzhautzentrums auf, können allerdings erhebliche Beeinträchtigungen für die Patienten bedeuten - beispielsweise beim Lesen. „Mittels der Mikroperimetrie können Funktionseinschränkungen auch außerhalb des Sehzentrums an ausgewählten Messpunkten bestimmt werden“, sagt Prof. Dr. med. Frank G. Holz, Direktor der Universitäts-Augenklinik Bonn. „Allerdings ist diese Untersuchung zeitaufwändig und benötigt eine optimale Patientenkooperation.“
Ein Forscherteam unter Beteiligung der Universitäts-Augenklinik Bonn hat erstmals einen Algorithmus entwickelt, mit dem longitudinal erhobene strukturelle und funktionelle Daten von Patienten mit makulären Teleangiektasien an der Universitäts-Augenklinik Bonn und dem Moorfields Eye Hospital London systematisch untersucht worden sind. Dabei wurde ein Deep-Learning-Network kreiert, welches eine Aussage der Netzhautfunktion basierend auf den strukturellen Veränderungen, die im Netzhaut-Scanner (OCT)sichtbar gemacht werden, zulässt.
„Damit ist die Grundlagen geschaffen, dass auf die aufwändige und für Patienten anspruchsvolle Mikroperimetrie-Untersuchung in künftigen Therapiestudien potentiell verzichtet werden kann, da retinale Funktionsausfälle mit hoher Präzision aus den strukturellen hochauflösenden digitalen OCT-Daten abgeleitet werden können“, sagt Holz. Dieses neue Verfahren könnte den Aufwand für künftige Interventionsstudien erheblich reduzieren und zu genaueren Ergebnissen führen als die etwa bis zu 50 Testpunkte der Mikroperimetrie-Untersuchung. Holz: „Die Arbeit zeigt modellhaft die Möglichkeiten der künstlichen Intelligenz bei der Analyse digitaler Bilddaten der Netzhaut.“ In weiteren Forschungsvorhaben soll das Verfahren auch bei altersabhängiger Makuladegeneration Anwendung finden.
Publikation: Yuka Kihara, Tjebo F.C. Heeren, Cecilia S. Lee, MS; Yue Wu, Sa Xiao, Simone Tzaridis, Frank G. Holz, Peter Charbel Issa, Catherine A. Egan, Aaron Y. Lee: Estimating retinal sensitivity using optical coherence tomography with deep-learning algorithms in macular telangiectasia Type 2. JAMA Netw Open. 2019;2(2):e188029. doi: 10.1001/jamanetworkopen.2018.8029.
Kontakt:
Prof. Dr. med. Frank G. Holz
Universitäts-Augenklinik Bonn
Tel. 0228/28715646
E-Mail: Frank.Holz@ukb.uni-bonn.de
Internet: www.augenklinik.uni-bonn.de
Deep-Learning-Algorithmus sagt Empfindlichkeit der Netzhaut vorher Deep-Learning-Algorithmus sagt Empfindlichkeit der Netzhaut vorher
Bei der Makuladegeneration ist auf der Netzhaut der Punkt des schärfsten Sehens betroffen. Wie lässt sich die Empfindlichkeit auch außerhalb dieses Punktes vorhersagen? Dies ist einem Forscherteam aus Seattle, Oxford, London und Bonn mit hoher Präzision anhand von hochauflösenden Netzhaut-Scans mittels künstlicher Intelligenz gelungen. Mit diesem neuen Verfahren lässt sich auch beurteilen, ob eine Behandlung erfolgreich verlaufen ist. Die Studie wurde bei Patienten mit makulären Teleangiektasien durchgeführt und lässt sich potentiell auch auf andere Makulaerkrankungen übertragen. Die Ergebnisse wurden in JAMA Network Open veröffentlicht.
Funktionsuntersuchung mittels Mikroperimetrie
- bei makulären Teleangiektasien Typ 2.
© Foto: Uni-Augenklinik Bonn
Alle Bilder in Originalgröße herunterladen
Der Abdruck im Zusammenhang mit der Nachricht ist kostenlos, dabei ist der angegebene Bildautor zu nennen.
Funktionsuntersuchung mittels optischer Kohärenztomographie
- bei makulären Teleangiektasien Typ 2.
© Foto: Uni-Augenklinik Bonn