Diese künstliche Intelligenz (KI) beeinflusst zunehmend die Art und Weise, wie Augenärzte Krankheiten diagnostizieren und Behandlungen planen, insbesondere in datenintensiven Bereichen wie der Hornhautbildgebung, der refraktiven Chirurgie und der Kataraktplanung. In einem im Februar 2023 veröffentlichten Beitrag in Katarakt- und refraktive Chirurgie heute (CRST) untersuchen führende Kliniker und Forscher, wie sich KI vom theoretischen Versprechen zur praktischen klinischen Anwendung entwickelt - und wo ihre derzeitigen Grenzen liegen.
Zu den Mitwirkenden gehören Prof. Dr. Dr. Farhad Hafezi, MD, PhD, FARVO, medizinischer Direktor des ELZA-Instituts, der einen Abschnitt mitverfasst hat, in dem es um eine der wichtigsten Fragen im Bereich der Hornhautpflege geht: die tatsächliche Prävalenz des Keratokonus und warum genaue Daten für die Planung des öffentlichen Gesundheitswesens und die frühzeitige Intervention wichtig sind.
Das CRST-Feature unterstreicht, dass moderne KI-Methoden bei der Extraktion klinisch relevanter Informationen aus großen Bildgebungsdatensätzen, wie z. B. Hornhauttopographie und OCT des vorderen Augenabschnitts, hervorragende Ergebnisse liefern. Mit diesen Technologien können komplexe Rohdaten - Zehntausende von Höhenpunkten oder Millionen von Bildpixeln - zu aussagekräftigen Diagnoseindizes verdichtet werden. Deep-Learning-Modelle, insbesondere neuronale Faltungsnetzwerke, haben eine hohe Sensitivität und Spezifität bei der Unterscheidung zwischen normalen Hornhäuten und solchen, die von Keratokonus betroffen sind oder durch refraktive Chirurgie verändert wurden, gezeigt. Dies ist eine weitere nützliche Anwendung künstlicher Intelligenz in der Ophthalmologie.
In seinem Beitrag betont Prof. Hafezi, dass historische Schätzungen der Keratokonus-Prävalenz, die oft mit etwa 0,05% angegeben werden, wahrscheinlich erheblich unterschätzt werden. Frühere epidemiologische Studien stützten sich auf Diagnoseinstrumente mit begrenzter Empfindlichkeit im Vergleich zu den heutigen Scheimpflug-Tomographien und OCT-basierten Analysen. AI-gestütztes Screening, kombiniert mit moderner Bildgebung, hat in mehreren Populationen deutlich höhere Prävalenzraten ergeben, insbesondere in Regionen mit bekannten genetischen und umweltbedingten Risikofaktoren.
Der Artikel beschreibt auch die K-MAP-Initiative, ein multinationales Forschungsprojekt, das die Prävalenz des Keratokonus mithilfe standardisierter moderner Diagnostik in verschiedenen Bevölkerungsgruppen ermitteln soll. Durch die Minimierung von Selektionsverzerrungen und die Senkung der logistischen Hürden für die teilnehmenden Zentren zielt das Projekt darauf ab, Daten zu generieren, die aussagekräftige Informationen für Screening-Strategien, die Ressourcenzuweisung und die langfristige Augenbehandlungspolitik liefern können. KI-gesteuerte Analysen spielen eine zentrale Rolle bei der Bewältigung des Umfangs und der Komplexität der entstehenden Datensätze.
Über die Epidemiologie hinaus stellt das CRST-Feature die KI in einen breiteren klinischen Kontext, einschließlich der Berechnung der IOL-Stärke, der Kataraktdiagnose und der Erkennung von Hornhautödemen. Es wird jedoch auch betont, dass die erfolgreiche klinische Einführung von der Erklärbarkeit, der Datenverwaltung und dem Vertrauen der Kliniker abhängt - Faktoren, die ebenso wichtig sind wie die Leistung des Algorithmus selbst. Dies zeigt, dass künstliche Intelligenz in der Ophthalmologie ein sehr leistungsfähiges Werkzeug sein kann, um den Patienten eine hervorragende Augenheilkunde zu bieten.
Bei ELZA spiegeln sich diese Themen in den laufenden Forschungs- und klinischen Arbeitsabläufen wider, die fortschrittliche Bildgebung, algorithmengestützte Analyse und strenge klinische Validierung integrieren. Das CRST-Feature unterstreicht eine Schlüsselbotschaft: KI ist kein Ersatz für das klinische Urteilsvermögen, sondern ein leistungsfähiges Instrument zur Verbesserung der Präzision, Konsistenz und Früherkennung von Krankheiten, wenn sie verantwortungsvoll eingesetzt wird.
