KI-gestützte Vorhersage von Behandlungsergebnissen bei diabetischem Makulaödem
Eine neue Studie stellt ein Deep-Learning-Modell vor, das die Behandlungsvorhersage bei diabetischem Makulaödem (DME) anhand initialer Augenbildgebung ermöglicht.
WALTHAM, Massachusetts – Eine von Voiant und seinen Partnern durchgeführte Forschung hat zur Veröffentlichung einer begutachteten Studie geführt, die eine auf maschinellem Lernen basierende Methode zur Vorhersage von Behandlungsergebnissen bei Patienten mit diabetischem Makulaödem (DME) beschreibt. Die Ergebnisse wurden in Nature's Eye veröffentlicht.
Die Studie nutzte initiale optische Kohärenztomographie (OCT)-Bilddaten von bisher unbehandelten Patienten. Ein Deep-Learning-Netzwerk wurde trainiert, um sowohl strukturelle als auch funktionelle Behandlungsergebnisse nach 12 Monaten vorherzusagen. Das Modell zeigte eine hohe Genauigkeit bei der Vorhersage von Veränderungen der zentralen subfovealen Dicke (CST) (R2=0,66) und der funktionellen Sehschärfe (BCVA) (R2=0,63).
Die Forschung zielt darauf ab, die Patientenauswahl zu verbessern und die Effizienz klinischer Studien zu steigern. Dr. Lorena Ulla von der Universität Turin war Erstautorin der Studie in Zusammenarbeit mit Forschern von Voiant. Die Ergebnisse unterstreichen den Wert der initialen Bildgebung für die Behandlungsplanung und den Erfolg klinischer Studien.
Diabetisches Makulaödem ist eine bedeutende Komplikation von Diabetes, die das Sehvermögen beeinträchtigen kann. Voiant geht davon aus, dass KI-gestützte Bildgebungsverfahren erhebliches Potenzial zur Verbesserung der Patientenergebnisse und zur Weiterentwicklung neuer Therapien bieten.