Kann Künstliche Intelligenz Millionen vor diabetischer Augenkrankheit retten?
Diabetes betrifft weltweit über 460 Millionen Erwachsene – und ein Drittel von ihnen könnte ihr Sehvermögen verlieren, wenn die Krankheit nicht frühzeitig erkannt wird. Die diabetische Retinopathie (DR, eine diabetesbedingte Augenkrankheit) schädigt die Blutgefäße in der Netzhaut (der lichtempfindlichen Schicht am Augenhintergrund) oft unbemerkt. Wenn Symptome auftreten, ist es häufig bereits zu spät. Dennoch lassen die Hälfte der Diabetespatienten regelmäßige Augenuntersuchungen aus. Könnte künstliche Intelligenz (KI) diese Lücke schließen und Blindheit verhindern?
Die versteckte Gefahr der diabetischen Augenkrankheit
Diabetes schädigt mit der Zeit Nerven, Blutgefäße und Organe. Die diabetische Retinopathie ist eine der häufigsten Ursachen für Erblindung bei Erwachsenen im erwerbsfähigen Alter. Weltweit entwickeln 34,6 % der Diabetespatienten DR. In China leiden 18,45 % der Diabetespatienten an DR, während die Rate in den USA bei 33,2 % liegt. Je länger jemand Diabetes hat, desto höher ist das Risiko.
DR beginnt mit winzigen Lecks oder Blockaden in den Netzhautblutgefäßen. Diese verursachen Schwellungen, Blutungen oder abnormales Wachstum. Ohne Behandlung verschlechtert sich das Sehvermögen. Das diabetische Makulaödem (DME, Flüssigkeitsansammlung in der zentralen Netzhaut) kann in jedem Stadium auftreten und das scharfe Sehen bedrohen. Eine frühzeitige Erkennung ist entscheidend, doch DR zeigt keine Warnzeichen.
Warum das Screening oft scheitert
Ärzte empfehlen jährliche Augenuntersuchungen für Diabetespatienten. Studien zeigen jedoch eine geringe Compliance. In den USA haben 50 % der Typ-2-Diabetespatienten in den letzten fünf Jahren keine Augenuntersuchung durchführen lassen. Warum? Viele sind sich der Risiken von DR nicht bewusst. Andere haben keinen Zugang zu Spezialisten oder können sich die Kosten nicht leisten.
Telemedizinprogramme helfen, indem sie Netzhautbilder an Experten senden. Das SiDRP-Programm in Singapur senkte die Kosten und verbesserte die Zugänglichkeit. Doch diese Systeme sind immer noch auf menschliche Experten angewiesen, die Tausende von Bildern analysieren – ein langsamer und teurer Prozess.
KI tritt auf den Plan: Schnelleres, intelligenteres Screening
KI ahmt menschliches Lernen mithilfe von Algorithmen (Schritt-für-Schritt-Problemlösungsregeln) nach. Maschinelles Lernen (ML) ermöglicht es der KI, sich aus Daten zu verbessern, ohne direkt programmiert zu werden. Deep Learning (DL), eine Form von ML, verwendet neuronale Netzwerke (geschichtete Algorithmen, die vom Gehirn inspiriert sind), um Muster zu erkennen. Zum Beispiel können Convolutional Neural Networks (CNNs, KI-Modelle für Bilder) Netzhautfotos auf Anzeichen von DR untersuchen.
2018 genehmigte die FDA das erste KI-Tool für DR: IDx-DR. Es verwendet eine Kamera, um Netzhautbilder aufzunehmen und den Schweregrad von DR in Minuten zu bewerten. Andere Tools wie EyeArt und Airdoc funktionieren auf Smartphones oder Tablets. Studien zeigen, dass KI die Genauigkeit von menschlichen Experten erreichen oder übertreffen kann. Das KI-System von Google erkannte DR in klinischen Studien ebenso genau wie Augenärzte.
So funktioniert es:
- Training: Die KI studiert Tausende von Netzhautbildern, die von Ärzten beschriftet wurden.
- Validierung: Die KI überprüft neue Bilder, um ihre Fähigkeiten zu verfeinern.
- Testen: Die KI bewertet unbekannte Bilder und markiert DR-Anzeichen wie Blutungen oder Schwellungen.
KI reduziert die Arbeitsbelastung. Retmarker, ein weiteres Tool, verringerte manuelle Bildüberprüfungen um 48 %. Dies beschleunigt das Screening, insbesondere in ländlichen oder unterversorgten Gebieten.
Herausforderungen: Warum KI noch nicht perfekt ist
Obwohl vielversprechend, steht KI vor Hindernissen:
- Datenbias: Die meisten KI-Systeme trainieren mit westlichen Datensätzen. Netzhautbilder von unterschiedlichen Bevölkerungsgruppen (z. B. asiatische oder afrikanische Patienten) können anders aussehen, was zu Fehlern führt.
- Das „Black Box“-Problem: KI-Entscheidungen sind nicht immer erklärbar. Ärzte benötigen Klarheit, um den Ergebnissen zu vertrauen.
- Gemischte Krankheiten: KI hat Schwierigkeiten, wenn DR zusammen mit Katarakten (trübe Augenlinsen) oder Glaukom (Schädigung des Sehnervs) auftritt.
- Kosten: Fortschrittliche Tools wie OCT (optische Kohärenztomographie, eine detaillierte Augenuntersuchung) verbessern die DME-Erkennung, sind aber teuer.
Die Sicherheit ist ein weiteres Problem. Die Speicherung von Patientendaten in KI-Systemen birgt das Risiko von Datenlecks oder Hackerangriffen.
Die Zukunft: KI in der Tasche?
Forscher testen KI auf tragbaren Geräten. Stellen Sie sich vor, Sie könnten eine Smartphone-App für Augenuntersuchungen zu Hause verwenden. Während der COVID-19-Pandemie könnten solche Tools Klinikbesuche reduzieren. Zukünftige KI könnte Netzhautbilder mit OCT-Scans kombinieren, um die Genauigkeit zu verbessern.
Ein weiteres Ziel: die Erkennung mehrerer Krankheiten. Aktuelle KI konzentriert sich auf DR, aber die Kombination mit Glaukom- oder Katarakt-Screening könnte noch mehr Sehvermögen retten.
Nur zu Bildungszwecken.
doi.org/10.1097/CM9.0000000000001816