Die Leiterin des SBK-Projekts, Nikki Hafezi, stellt eine neue KI-basierte Lösung für die Früherkennung des Keratokonus, einer das Augenlicht bedrohenden Hornhautektasie, vor, wie die Eurotimes berichtet. Nikki Hafezischlägt vor, einen "Smart, Mobile, Affordable, Reliable, Technology" (SMART)-Ansatz zu verfolgen, um kostengünstige Screening-Instrumente zu entwickeln. Diese können bei der Erkennung von Hornhaut-Ektasien wie Keratokonus helfen - etwas, das für derzeit unterversorgte Länder mit niedrigem und mittlerem Einkommen (LMICs) besonders nützlich sein dürfte. Eine kürzlich in der Schweiz durchgeführte Studie ergab, dass nur 60 % der Augenärzte Zugang zu einfachen Topographen vom Typ Placido haben. Frau Hafezi ist der Ansicht, dass Augenärzte in den LMICs wahrscheinlich noch weniger Zugang zu den teuren Geräten haben als in der Schweiz, und dies birgt das Risiko, dass Keratokonus bei den Betroffenen später diagnostiziert wird.

Die späte Diagnose von Keratokonus kann schwerwiegende Folgen haben, da der vor der Diagnose eingetretene Sehverlust meist dauerhaft bleibt. Obwohl ein Corneales Cross-Linking (CXL) das Fortschreiten der Krankheit aufhalten kann, lässt sich der entstandene Sehkraftverlust in der Regel nicht rückgängig machen, was die Bedeutung einer frühzeitigen Erkennung und sofortigen Behandlung unterstreicht.

Das SBK-Projekt umfasst die Entwicklung eines Smartphone-basierten Keratographen (SBK), der erschwinglich, tragbar und zuverlässig sein soll. Der Prototyp besteht aus einem Objektiv und einer Stirnhalterung, die an einem Smartphone befestigt sind. Dies ist mit einer App gekoppelt, mit der die Benutzer Bilder aufnehmen und topografische Hornhautkarten erstellen können. Die geschätzten Kosten für den Endverbraucher von weniger als 2.000 US-Dollar wären ein Bruchteil der Kosten für Placido-basierte Topographen der aktuellen Generation und können von Hand (z. B. im praktischen Einsatz) oder an einer Spaltlampe betrieben werden. Frau Hafezi sagte, dass der SBK derzeit ein Screening-Tool ist und nicht für Entscheidungen über Operationen verwendet wird, aber es zeigt bereits ein großes Potenzial.

In Zukunft möchte das Team einen Ansatz des maschinellen Lernens implementieren, bei dem das System aus ärztlichen Diagnosen lernt und so eine immer bessere diagnostische Unterstützung bietet. Das SBK-Projekt zielt darauf ab, das Gerät Mitte 2024 zu vermarkten.