Augenheilkunde

Erkrankungen der Netzhaut des Auges wie die diabetische Retinopathie oder die altersabhängige Makuladegeneration stellen in Deutschland die häufigsten Ursachen für Erblindung dar. In den letzten Jahren haben sich sowohl in der Diagnostik als auch in der Therapie von Netzhauterkrankungen enorme Entwicklungen vollzogen, die es uns heute ermöglicht, vielen Patienten eine maßgeschneiderte Therapie anzubieten. Herausfordernd ist dabei allerdings die große Variabilität der klinischen Befunde und Behandlungsverläufe.In den hier vorgestellten Projekten versuchen wir diese hohe Befundvariabilität mit Hilfe künstlicher Intelligenz anzugehen und stärker individualisierte Diagnostik-und Prognosewerkzeuge für Behandler und Patient zu entwickeln

Projekte

• Therapievorhersage durch Analyse von Patientendaten in der Ophthalmologie (TOPOS)
  In diesem BMBF-geförderten Projekt untersuchen wir gemeinsam mit Partnern aus der Informatik den Behandlungsverlauf von Patienten mit exsudativer altersbedingter Makuladegeneration. Primäres Ziel ist es, basierend auf KI-gestützter Auswertung von Bilddaten und unstrukturierten Daten der Krankenakte, den für den Arzt unüberschaubar großen Merkmalsraum aus individuellen Faktoren und krankheitsassoziierten Bildaten informationstechnologisch aufzubereiten. Durch eine intuitive Visualisierung in Form eines vergleichenden explorativen Systems wird dem Arzt die Möglichkeit gegeben, eine verlässliche Vorhersage über den individuell zu erwartenden Therapieverlauf eines Patienten zu geben. Dadurch solldie Therapie genauer an jeden einzelnen Patienten angepasst werden. Der Augenarzt soll somit besser in die Lage versetzt werden, für jeden Patienten einen personalisierten Behandlungsplan erstellen zu können und Rezidivrisiken zu minimieren.
  Details siehe: https://topos.averbis.de/
• Automatisierte Diagnostik der diabetischen Retinopathie
  Goldstandard in der Diagnostik einer diabetischen Retinopathie ist die Funduskopie durch einen Facharzt für Augenheilkunde. Da die hohe Anzahl an Patienten mit Diabetes mellitus hohe Anforderungen an Verfügbarkeit und personelle Ressourcen stellt, wäre es wünschenswert, wenn man den Screeningprozess durch geeignete Werkzeuge effizienter gestalten könnte. Ein Ansatzpunkt hierfür liegt im Einsatz von künstlicher Intelligenz auf digitalen Fundusfotos von Patienten, die eine Vorsortierung von Patienten in Kategorien wie „keine diabetische Retinopathie, milde, moderate oder schwere Retinopathie“ erlauben. Dies würde (bei entsprechend belegter Reliabilität) die Abläufe des Diabetesscreenings im Bereich der Augenheilkunde erheblich verbessern. In Zusammenarbeit mit der Abteilung für Diabetologie am Klinikum Karlsburg (Prof. Kerner) untersuchen wir den Einsatz KI-gestützter Netzhautdiagnostik bei Patienten mit Diabetes mellitus. Ziel dieser Studie ist der Vergleich der Funduskopie (Standarddiagnostik) mit der Fundusfotografie und anschließender automatisierter Datenanalysemittels künstlicher Intelligenz.

Publikationen & Konferenzbeiträge

Stahl A.
The Diagnosis and Treatment of Age-Related Macular Degeneration.
Dtsch Ärztebl Int. 2020 Jul 20;117(29-30):513-520.

Grundel B, Bernardeau M-A, Langner H, Schmidt C, Böhringer D, Ritter M, Rosenthal P, Grandjean A, Schulz S, Daumke P, Stahl A
[Extraction of features from clinical routine data using text mining]
Der Ophthalmologe 2020 Jul 28. doi: 10.1007/s00347-020-01177-4

Berens P, Waldstein SM, Ayhan MS, Kümmerle L, Agostini H, Stahl A, Ziemssen F.
[Potential of methods of artificial intelligence for quality assurance].
Der Ophthalmologe. 2020 Feb 24. doi: 10.1007/s00347-020-01063-z. Review.

Bucher F, Mussinghoff P, Kühn T, Stahl A, Böhringer D.
[Technical aspects of quality assurance for intravitreal injections (IVI)].
Der Ophthalmologe. 2020 Jan 7. doi: 10.1007/s00347-019-01029-w. Review.

Lang GE, Stahl A, Voegeler J, Quiering C, Lorenz K, Spital G, Liakopoulos S. Efficacy and safety of ranibizumab with or without panretinal laser photocoagulation versus laser photocoagulation alone in proliferative diabetic retinopathy -the PRIDE study.
Acta Ophthalmol. 2019 Dec 6. doi: 10.1111/aos.14312.

Schmidt, C., Röhlig, M., Grundel, B., Daumke, P., Ritter, M., Stahl, A.,… & Schumann, H.
Combining Visual Cleansing and Exploration for Clinical Data
IEEE Workshop on Visual Analytics in Healthcare (VAHC) (pp. 25-32). 2019 IEEE.

Stahl A, TOPOs group
Using OCT to predict anti-VEGF treatment response and outcome.
DOG 2018, Workshop WS11: The future of retinal imaging –a peek behind the curtains

Holger Langner, Marc Ritter, TOPOs group
Applying Deep Learning methods to OCT image analysis in the context of Age-related macula degeneration.
DOG 2018, Symposium DS05: Deep learning in Ophthalmology –Technical approaches

Bastian Grundel, TOPOs group
TOPOS: Therapievorhersage durch Analyse von Patientendaten in der Ophthalmologie
DOG 2018, Workshop DS10: Deep Learning in der Augenheilkunde: Klinischer Einsatz