Skip to main content
Erschienen in:

31.07.2024 | Makuladegeneration | Leitthema

Einsatz von künstlicher Intelligenz bei der geographischen Atrophie bei der altersabhängigen Makuladegeneration

verfasst von: Dr. med. Petrus Chang, Leon von der Emde, Maximilian Pfau, Sandrine Künzel, Monika Fleckenstein, Steffen Schmitz-Valckenberg, Frank G. Holz

Erschienen in: Die Ophthalmologie | Ausgabe 8/2024

Einloggen, um Zugang zu erhalten

Zusammenfassung

Die erstmalige Zulassung von Therapien der geographischen Atrophie (GA) bei der altersabhängigen Makuladegeneration (AMD) in den USA stellt einen Meilenstein dar. Jedoch ergeben sich bei der GA als nichtakute und allmählich fortschreitende Erkrankung besondere Anforderungen an die Behandlerin bezüglich Risikostratifizierung, Therapieentscheidung, Therapiemonitoring und Patientenaufklärung. Mittels innovativer retinaler Bildgebungsmodalitäten wie der Fundusautofluoreszenz (FAF) sowie der optischen Kohärenztomographie (OCT) konnten typische strukturelle Veränderungen bei GA identifiziert werden, die sich auch zur quantitativen Charakterisierung von GA eignen. Lösungen, basierend auf künstlicher Intelligenz (KI), erlauben die automatisierte Detektion und Quantifizierung von GA-bezogenen Biomarkern auf retinalen Bilddaten – auch retrospektiv sowie im zeitlichen Verlauf. Darüber hinaus können KI-Lösungen für die Diagnose und Segmentierung von GA sowie für die Vorhersage von Struktur und Funktion ohne und unter Therapie eingesetzt werden und damit einen wertvollen Beitrag für das Therapiemonitoring sowie die Identifikation von Hochrisikopatienten und für die Patientenaufklärung leisten. KI-Lösungen eignen sich für die Integration in vorhandene klinische Abläufe und Softwaresysteme und machen so die breit einsetzbare informierte und personalisierte Therapie der GA bei AMD möglich.
Literatur
1.
Zurück zum Zitat Sadda SR et al (2018) Consensus Definition for Atrophy Associated with Age-Related Macular Degeneration on OCT: Classification of Atrophy Report 3. Ophthalmology 125(4):537–548CrossRefPubMed Sadda SR et al (2018) Consensus Definition for Atrophy Associated with Age-Related Macular Degeneration on OCT: Classification of Atrophy Report 3. Ophthalmology 125(4):537–548CrossRefPubMed
2.
Zurück zum Zitat Schmitz-Valckenberg S et al (2016) Modeling Visual Acuity in Geographic Atrophy Secondary to Age-Related Macular Degeneration. Ophthalmologica 235(4):215–224CrossRefPubMed Schmitz-Valckenberg S et al (2016) Modeling Visual Acuity in Geographic Atrophy Secondary to Age-Related Macular Degeneration. Ophthalmologica 235(4):215–224CrossRefPubMed
3.
Zurück zum Zitat Lindner M et al (2019) Determinants of Reading Performance in Eyes with Foveal-Sparing Geographic Atrophy. Ophthalmol Retina 3(3):201–210CrossRefPubMed Lindner M et al (2019) Determinants of Reading Performance in Eyes with Foveal-Sparing Geographic Atrophy. Ophthalmol Retina 3(3):201–210CrossRefPubMed
4.
Zurück zum Zitat Domalpally A et al (2016) Evaluation of Geographic Atrophy from Color Photographs and Fundus Autofluorescence Images: Age-Related Eye Disease Study 2 Report Number 11. Ophthalmology 123(11):2401–2407CrossRefPubMed Domalpally A et al (2016) Evaluation of Geographic Atrophy from Color Photographs and Fundus Autofluorescence Images: Age-Related Eye Disease Study 2 Report Number 11. Ophthalmology 123(11):2401–2407CrossRefPubMed
5.
Zurück zum Zitat Schmitz-Valckenberg S et al (2011) Optical coherence tomography and autofluorescence findings in areas with geographic atrophy due to age-related macular degeneration. Invest Ophthalmol Vis Sci 52(1):1–6CrossRefPubMed Schmitz-Valckenberg S et al (2011) Optical coherence tomography and autofluorescence findings in areas with geographic atrophy due to age-related macular degeneration. Invest Ophthalmol Vis Sci 52(1):1–6CrossRefPubMed
6.
Zurück zum Zitat Schmitz-Valckenberg S et al (2011) Semiautomated image processing method for identification and quantification of geographic atrophy in age-related macular degeneration. Invest Ophthalmol Vis Sci 52(10):7640–7646CrossRefPubMed Schmitz-Valckenberg S et al (2011) Semiautomated image processing method for identification and quantification of geographic atrophy in age-related macular degeneration. Invest Ophthalmol Vis Sci 52(10):7640–7646CrossRefPubMed
7.
Zurück zum Zitat Holz FG et al (2018) Efficacy and Safety of Lampalizumab for Geographic Atrophy Due to Age-Related Macular Degeneration: Chroma and Spectri Phase 3 Randomized Clinical Trials. JAMA Ophthalmol 136(6):666–677CrossRefPubMedPubMedCentral Holz FG et al (2018) Efficacy and Safety of Lampalizumab for Geographic Atrophy Due to Age-Related Macular Degeneration: Chroma and Spectri Phase 3 Randomized Clinical Trials. JAMA Ophthalmol 136(6):666–677CrossRefPubMedPubMedCentral
8.
Zurück zum Zitat Wu Z et al (2022) OCT Signs of Early Atrophy in Age-Related Macular Degeneration: Interreader Agreement: Classification of Atrophy Meetings Report 6. Ophthalmol Retina 6(1):4–14CrossRefPubMed Wu Z et al (2022) OCT Signs of Early Atrophy in Age-Related Macular Degeneration: Interreader Agreement: Classification of Atrophy Meetings Report 6. Ophthalmol Retina 6(1):4–14CrossRefPubMed
9.
Zurück zum Zitat Keenan TD et al (2019) A Deep Learning Approach for Automated Detection of Geographic Atrophy from Color Fundus Photographs. Ophthalmology 126(11):1533–1540CrossRefPubMed Keenan TD et al (2019) A Deep Learning Approach for Automated Detection of Geographic Atrophy from Color Fundus Photographs. Ophthalmology 126(11):1533–1540CrossRefPubMed
10.
Zurück zum Zitat Treder M, Lauermann JL, Eter N (2018) Deep learning-based detection and classification of geographic atrophy using a deep convolutional neural network classifier. Graefes Arch Clin Exp Ophthalmol 256(11):2053–2060CrossRefPubMed Treder M, Lauermann JL, Eter N (2018) Deep learning-based detection and classification of geographic atrophy using a deep convolutional neural network classifier. Graefes Arch Clin Exp Ophthalmol 256(11):2053–2060CrossRefPubMed
11.
Zurück zum Zitat Miere A et al (2021) Deep learning-based classification of retinal atrophy using fundus autofluorescence imaging. Comput Biol Med 130:104198CrossRefPubMed Miere A et al (2021) Deep learning-based classification of retinal atrophy using fundus autofluorescence imaging. Comput Biol Med 130:104198CrossRefPubMed
12.
Zurück zum Zitat Ramsey DJ et al (2014) Automated image alignment and segmentation to follow progression of geographic atrophy in age-related macular degeneration. Retina 34(7):1296–1307CrossRefPubMed Ramsey DJ et al (2014) Automated image alignment and segmentation to follow progression of geographic atrophy in age-related macular degeneration. Retina 34(7):1296–1307CrossRefPubMed
13.
Zurück zum Zitat Pfau M et al (2020) Progression of Photoreceptor Degeneration in Geographic Atrophy Secondary to Age-related Macular Degeneration. JAMA Ophthalmol 138(10):1026–1034CrossRefPubMed Pfau M et al (2020) Progression of Photoreceptor Degeneration in Geographic Atrophy Secondary to Age-related Macular Degeneration. JAMA Ophthalmol 138(10):1026–1034CrossRefPubMed
14.
Zurück zum Zitat Reiter GS et al (2020) Subretinal Drusenoid Deposits and Photoreceptor Loss Detecting Global and Local Progression of Geographic Atrophy by SD-OCT Imaging. Invest Ophthalmol Vis Sci 61(6):11CrossRefPubMedPubMedCentral Reiter GS et al (2020) Subretinal Drusenoid Deposits and Photoreceptor Loss Detecting Global and Local Progression of Geographic Atrophy by SD-OCT Imaging. Invest Ophthalmol Vis Sci 61(6):11CrossRefPubMedPubMedCentral
15.
Zurück zum Zitat Behning C et al (2021) Modeling of atrophy size trajectories: variable transformation, prediction and age-of-onset estimation. BMC Med Res Methodol 21(1):170CrossRefPubMedPubMedCentral Behning C et al (2021) Modeling of atrophy size trajectories: variable transformation, prediction and age-of-onset estimation. BMC Med Res Methodol 21(1):170CrossRefPubMedPubMedCentral
16.
Zurück zum Zitat Pfau M et al (2019) Prognostic Value of Shape-Descriptive Factors for the Progression of Geographic Atrophy Secondary to Age-Related Macular Degeneration. Retina 39(8):1527–1540CrossRefPubMed Pfau M et al (2019) Prognostic Value of Shape-Descriptive Factors for the Progression of Geographic Atrophy Secondary to Age-Related Macular Degeneration. Retina 39(8):1527–1540CrossRefPubMed
17.
Zurück zum Zitat Holz FG et al (2007) Progression of geographic atrophy and impact of fundus autofluorescence patterns in age-related macular degeneration. Am J Ophthalmol 143(3):463–472CrossRefPubMed Holz FG et al (2007) Progression of geographic atrophy and impact of fundus autofluorescence patterns in age-related macular degeneration. Am J Ophthalmol 143(3):463–472CrossRefPubMed
18.
Zurück zum Zitat Fleckenstein M et al (2018) The Progression of Geographic Atrophy Secondary to Age-Related Macular Degeneration. Ophthalmology 125(3):369–390CrossRefPubMed Fleckenstein M et al (2018) The Progression of Geographic Atrophy Secondary to Age-Related Macular Degeneration. Ophthalmology 125(3):369–390CrossRefPubMed
19.
Zurück zum Zitat Anegondi N et al (2023) Deep Learning to Predict Geographic Atrophy Area and Growth Rate from Multimodal Imaging. Ophthalmol Retina 7(3):243–252CrossRefPubMed Anegondi N et al (2023) Deep Learning to Predict Geographic Atrophy Area and Growth Rate from Multimodal Imaging. Ophthalmol Retina 7(3):243–252CrossRefPubMed
20.
Zurück zum Zitat Lindner M et al (2018) Local Progression Kinetics of Geographic Atrophy in Age-Related Macular Degeneration Are Associated With Atrophy Border Morphology. Invest Ophthalmol Vis Sci 59(4):AMD12–AMD18CrossRefPubMed Lindner M et al (2018) Local Progression Kinetics of Geographic Atrophy in Age-Related Macular Degeneration Are Associated With Atrophy Border Morphology. Invest Ophthalmol Vis Sci 59(4):AMD12–AMD18CrossRefPubMed
21.
Zurück zum Zitat Schmidt-Erfurth U et al (2020) Role of Deep Learning-Quantified Hyperreflective Foci for the Prediction of Geographic Atrophy Progression. Am J Ophthalmol 216:257–270CrossRefPubMed Schmidt-Erfurth U et al (2020) Role of Deep Learning-Quantified Hyperreflective Foci for the Prediction of Geographic Atrophy Progression. Am J Ophthalmol 216:257–270CrossRefPubMed
22.
Zurück zum Zitat Yordi S et al (2024) Ellipsoid Zone Integrity and Visual Function in Dry Age-Related Macular Degeneration. J Pers Med 14(5) Yordi S et al (2024) Ellipsoid Zone Integrity and Visual Function in Dry Age-Related Macular Degeneration. J Pers Med 14(5)
23.
Zurück zum Zitat Vogl WD et al (2023) Predicting Topographic Disease Progression and Treatment Response of Pegcetacoplan in Geographic Atrophy Quantified by Deep Learning. Ophthalmol Retina 7(1):4–13CrossRefPubMed Vogl WD et al (2023) Predicting Topographic Disease Progression and Treatment Response of Pegcetacoplan in Geographic Atrophy Quantified by Deep Learning. Ophthalmol Retina 7(1):4–13CrossRefPubMed
24.
Zurück zum Zitat Pfau M et al (2023) Multimodal imaging and deep learning in geographic atrophy secondary to age-related macular degeneration. Acta Ophthalmol 101(8):881–890CrossRefPubMed Pfau M et al (2023) Multimodal imaging and deep learning in geographic atrophy secondary to age-related macular degeneration. Acta Ophthalmol 101(8):881–890CrossRefPubMed
25.
Zurück zum Zitat Pfau M et al (2020) Mesopic and Dark-Adapted Two-Color Fundus-Controlled Perimetry in Geographic Atrophy Secondary to Age-Related Macular Degeneration. Retina 40(1):169–180CrossRefPubMed Pfau M et al (2020) Mesopic and Dark-Adapted Two-Color Fundus-Controlled Perimetry in Geographic Atrophy Secondary to Age-Related Macular Degeneration. Retina 40(1):169–180CrossRefPubMed
26.
Zurück zum Zitat Kihara Y et al (2019) Estimating Retinal Sensitivity Using Optical Coherence Tomography With Deep-Learning Algorithms in Macular Telangiectasia Type 2. JAMA Netw Open 2(2):e188029CrossRefPubMedPubMedCentral Kihara Y et al (2019) Estimating Retinal Sensitivity Using Optical Coherence Tomography With Deep-Learning Algorithms in Macular Telangiectasia Type 2. JAMA Netw Open 2(2):e188029CrossRefPubMedPubMedCentral
27.
Zurück zum Zitat Pfau M et al (2020) Determinants of Cone and Rod Functions in Geographic Atrophy: AI-Based Structure-Function Correlation. Am J Ophthalmol 217:162–173CrossRefPubMed Pfau M et al (2020) Determinants of Cone and Rod Functions in Geographic Atrophy: AI-Based Structure-Function Correlation. Am J Ophthalmol 217:162–173CrossRefPubMed
28.
Zurück zum Zitat Kunzel SH et al (2020) Determinants of Quality of Life in Geographic Atrophy Secondary to Age-Related Macular Degeneration. Invest Ophthalmol Vis Sci 61(5):63CrossRefPubMedPubMedCentral Kunzel SH et al (2020) Determinants of Quality of Life in Geographic Atrophy Secondary to Age-Related Macular Degeneration. Invest Ophthalmol Vis Sci 61(5):63CrossRefPubMedPubMedCentral
Metadaten
Titel
Einsatz von künstlicher Intelligenz bei der geographischen Atrophie bei der altersabhängigen Makuladegeneration
verfasst von
Dr. med. Petrus Chang
Leon von der Emde
Maximilian Pfau
Sandrine Künzel
Monika Fleckenstein
Steffen Schmitz-Valckenberg
Frank G. Holz
Publikationsdatum
31.07.2024
Verlag
Springer Medizin
Erschienen in
Die Ophthalmologie / Ausgabe 8/2024
Print ISSN: 2731-720X
Elektronische ISSN: 2731-7218
DOI
https://doi.org/10.1007/s00347-024-02080-y

Weitere Artikel der Ausgabe 8/2024

Die Ophthalmologie 8/2024 Zur Ausgabe

Ophthalmologischer Schnappschuss

Bull’s Eye-Makulopathie

Mitteilungen der DOG

Mitteilungen der DOG

Neu im Fachgebiet Augenheilkunde

Bakterielle Keratitis

Keratitis CME-Artikel

Bakterielle Infektionen sind in Ländern mit hohem Einkommen bei Weitem die häufigste Ursache für die infektiöse Keratitis. Das klinische Erscheinungsbild kann je nach Art und Spezies der Bakterien sehr unterschiedlich sein und reicht von kleinen …

Implantierbare intravitreale Kortikosteroide bei chronischer nichtinfektiöser Uveitis

Open Access Uveitis Übersichtsartikel

Behandlungsoptionen für chronische nichtinfektiöse Uveitiden reichen von systemischer Therapie mit immunsuppressiven oder krankheitsmodifizierenden antirheumatischen Medikamenten („disease modifying anti-rheumatic drugs“ [DMARDs]) wie …

DOG-EyeTeacher: eine Antwort der Arbeitsgemeinschaft Lehre auf die Umstrukturierungen im Medizinstudium

Open Access Augenheilkunde Originalie

Die Ausbildung von Ärztinnen und Ärzten soll – vor dem Hintergrund der aktuellen Herausforderungen an unser Gesundheitssystem – angepasst werden. Mit dem Masterplan 2020, tritt ein neues Curriculum in Kraft, dessen inhaltliche Basis der NKLM …

Update Augenheilkunde

Bestellen Sie unseren Fach-Newsletter und bleiben Sie gut informiert.