Ein Fundusbild-Datensatz für ein intelligentes System zur diabetischen Retinopathie

Warum das für Menschen mit Diabetes wichtig ist

Diabetes kann die Augen lange Zeit still und unbemerkt schädigen, noch bevor das Sehen zu verschwimmen beginnt. Dieser Beitrag beschreibt eine neue Bildsammlung, die Computern helfen soll, diese verborgenen Augenveränderungen früher und zuverlässiger zu erkennen, indem sie eine weiter gehende Ansicht der Netzhaut bietet als die meisten derzeit verfügbaren Werkzeuge.

Mehr vom Augenhintergrund sehen

Die diabetische Augenerkrankung schädigt die feinen Blutgefäße am Augenhintergrund und ist eine der Hauptursachen für bleibenden Sehverlust bei Erwachsenen im erwerbsfähigen Alter. Regelmäßige Augenfotografien werden bereits zur Früherkennung eingesetzt, erfassen aber meist nur einen kleinen zentralen Bereich. Wichtige Warnzeichen treten oft in den Randbereichen der Netzhaut auf, wo herkömmliche Kameras sie möglicherweise nicht erfassen. Die Ultraweitfeld-Bildgebung löst dieses Problem, indem sie in einem einzigen Bild bis zu fünfmal mehr Fläche einfängt, einschließlich der fernen Ecken, in denen frühe Schäden und neue, fragile Blutgefäße entstehen können.

Eine umfangreiche Bildbibliothek für intelligente Werkzeuge aufbauen

Um das Potenzial dieser erweiterten Ansicht optimal zu nutzen, benötigen Computerprogramme große, gut organisierte Bildbestände zum Lernen. Die Autoren sammelten 1.630 ultraweitwinkelige Augenaufnahmen von 809 Patientinnen und Patienten aus zwei Krankenhäusern in China. Alle Studienteilnehmenden hatten Diabetes, und ihr Durchschnittsalter lag bei etwa 54 Jahren. Die Bilder wurden mit einer speziellen Kamera aufgenommen, die keine Augentropfen zur Pupillenerweiterung benötigt, wodurch der Test schneller und angenehmer wird. Bilder mit schlechter Qualität, Unschärfen oder fehlenden Bereichen wurden entfernt, sodass nur klare Ansichten der Netzhaut, der Blutgefäße und möglicher Schäden übrigblieben.

Wie Experten den Computer lehrten

Drei erfahrene Augenärzte begutachteten sorgfältig jedes Bild und ordneten sie in drei Gruppen ein: normale Augen, Augen mit frühen bis mäßigen Schäden und Augen mit fortgeschrittenen Schäden. Sie folgten internationalen Richtlinien zur Klassifikation der diabetischen Augenerkrankung, weisen jedoch darauf hin, dass unter den Ärzten immer noch Meinungsverschiedenheiten zu erwarten sind, insbesondere bei der Entscheidung, ob sehr milde Veränderungen als normal oder bereits als frühe Krankheit gelten sollten. Die endgültigen Einstufungen wurden in Ordnern und einfachen Tabellen festgehalten, die jedes Bild und seine Gruppe auflisten und so einen leicht zugänglichen Ausgangspunkt für andere Forschungsteams schaffen.

Den Datensatz auf die Probe stellen

Das Team prüfte anschließend, wie nützlich diese Bildbibliothek für das Training künstlicher Intelligenz ist. Sie teilten die Bilder in Trainings-, Validierungs- und Testsets auf und verwendeten vier bekannte Deep-Learning-Modelle, um die drei Krankheitsstadien zu klassifizieren. Vor dem Training wurden die Bilder zugeschnitten und standardisiert; einfache Techniken wie zufällige Spiegelungen wurden eingesetzt, um die Generalisierbarkeit der Modelle zu verbessern. Auf den zurückbehaltenen Testbildern erzielten alle Modelle starke Ergebnisse über mehrere Genauigkeitsmaße hinweg, wobei ein Modell besonders gut abschnitt. Heatmaps der Modelle hoben winzige Ausbuchtungen in Blutgefäßen und narbenähnliche Membranen hervor, was darauf hindeutet, dass die Algorithmen die gleichen Bereiche fokussierten, die auch für Ärztinnen und Ärzte wichtig sind.

Mehr Menschen dabei helfen, ihr Sehvermögen zu erhalten

Dieser neue offene Datensatz bietet eine hochwertige, weitwinkelige Sicht auf die diabetische Augenerkrankung für alle, die intelligente Screening-Werkzeuge entwickeln. Durch die Kombination von Ultraweitfeld-Bildern mit künstlicher Intelligenz könnten zukünftige Systeme einen größeren Teil der Netzhaut abdecken, weniger gefährliche Veränderungen übersehen und weniger Personalaufwand erfordern. Obwohl dieser Datensatz allein die reguläre augenärztliche Versorgung nicht ersetzen kann, bildet er die Grundlage für verlässlichere, breit verfügbare computergestützte Screenings, die dazu beitragen könnten, Erblindungen durch Diabetes zu reduzieren – insbesondere in Kliniken mit begrenzten Ressourcen.

Zitation: Peng, S., Yang, S., Zhao, X. et al. A fundus image dataset for intelligent diabetic retinopathy system. Sci Data 13, 777 (2026). https://doi.org/10.1038/s41597-026-07093-7

Schlüsselwörter: diabetische Retinopathie, Netzhautbildgebung, ultraweitwinkel, medizinische KI, Augenscreening