Künstliche Intelligenz zur Beurteilung des Therapieansprechens bei feuchter altersbedingter Makuladegeneration mithilfe gepaarter OCT-Angiographie

Warum das für das Sehvermögen wichtig ist

Die altersbedingte Makuladegeneration ist eine führende Ursache für Sehverlust bei älteren Erwachsenen, und viele Betroffene erhalten wiederholte Augeninjektionen, um die Erkrankung zu kontrollieren. Ärztinnen und Ärzte stützen sich auf Augen-Scans, um zu entscheiden, ob eine Behandlung wirkt, doch das Auswerten dieser Scans ist schwierig und kann zwischen Spezialisten variieren. Diese Studie erforscht, wie künstliche Intelligenz dabei helfen kann, den Behandlungserfolg konsistenter zu beurteilen, und zwar mithilfe einer neueren Scan-Technik, die feine Blutgefäße im hinteren Augenabschnitt kartiert.

Blutfluss ohne Farbstoff sichtbar machen

Jahrelang nutzten Spezialisten farbstoffbasierte Bildgebung, um abnorme Blutgefäße zu finden, die das zentrale Sehen bedrohen. Neuerdings erlauben die optische Kohärenztomographie und ihr Ableger, die OCT-Angiographie, Ärzten, feine Schichten der Netzhaut und deren Blutfluss ohne Nadelstich sichtbar zu machen. Diese Scans können zeigen, wie sich abnorme Gefäße während der Behandlung vergrößern, verkleinern oder ihre Form verändern, doch die Muster sind oft subtil und stimmen nicht immer mit offensichtlichen Anzeichen aktiver Erkrankung wie Flüssigkeit oder Blutungen überein. Daher kann die Beurteilung, ob eine Injektionsserie tatsächlich geholfen, nichts bewirkt oder die Erkrankung verschlechtert hat, zeitaufwändig und subjektiv sein.

Eine digitale Zweitmeinung trainieren

Die Forschenden sammelten mehr als tausend Paare von OCT-Angiographie-Bildern von Personen mit der feuchten Form der Makuladegeneration. Jedes Paar zeigte dasselbe Auge vor und nach einer Serie von Anti-VEGF-Injektionen, einer Standardtherapie, die das Wachstum abnormer Gefäße verlangsamt. Separate Querschnitts-Scans und Veränderungen des Sehvermögens dienten dazu, festzulegen, ob jeder Therapiezyklus das Auge eindeutig verbessert, im Wesentlichen unverändert gelassen oder verschlechtert hatte. Diese Expertenbewertungen bildeten den Referenzstandard, mit dem ein Deep-Learning-System darauf trainiert wurde, neue Bildpaare in dieselben drei Gruppen einzuordnen.

Wie der Computer die Scans liest

Das Team entwickelte ein Modell mit zwei parallelen Zweigen, einen für den Vorher-Scan und einen für den Nachher-Scan. Für jeden Zeitpunkt untersuchte das System mehrere Schichten der Netzhaut und der Aderhaut, die als flache, Draufsicht dargestellt wurden. Zuerst lernte es, komplexe visuelle Merkmale aus jedem Scan zu extrahieren, wie Gefäßdichte und Verzweigungsmuster, und kombinierte dann die Informationen beider Zeitpunkte, um ein einzelnes Urteil zu liefern: verbessert, unverändert oder verschlechtert. Die Bildpaare wurden zufällig aufgeteilt, sodass einige Paare zum Trainieren des Modells, einige zur Feinabstimmung und eine separate Gruppe für den abschließenden Test verwendet wurden.

Vergleich zwischen Computer und Experten

Im unabhängigen Testsatz klassifizierte das KI-System das Therapieansprechen in etwa acht von zehn Bildpaaren korrekt, mit besonders guter Leistung beim Erkennen von Verbesserungen. Zwei erfahrene Netzhautspezialisten bewerteten dieselben Bildpaare ohne Zugriff auf weitere klinische Daten. Ihre gemeinsame Genauigkeit lag näher bei sechs von zehn, und am schwierigsten fielen ihnen Fälle, in denen die Erkrankung stabil war statt eindeutig besser oder schlechter. Statistische Analysen zeigten, dass menschliche Bewerter nahezu dreimal häufiger als das Modell falsch einschätzten, ob eine Therapie geholfen, nichts bewirkt oder versagt hatte — ein Hinweis darauf, wie herausfordernd diese Scans allein visuell zu interpretieren sind.

Was das für Patientinnen und Patienten bedeuten könnte

Die Studie legt nahe, dass ein sorgfältig trainiertes KI-System als konsistenter Leser gepaarter Gefäßscans fungieren kann und eine objektive Einschätzung bietet, wie die abnormen Gefäße bei der Makuladegeneration auf die Behandlung reagieren. Solche Werkzeuge werden Ärztinnen und Ärzte nicht ersetzen, könnten aber als Entscheidungshilfe dienen, subtile Veränderungen markieren, Meinungsverschiedenheiten zwischen Experten verringern und helfen, Injektionsintervalle präziser anzupassen. Langfristig könnte dieser Ansatz eine stärker personalisierte Versorgung unterstützen und den Einsatz neuer sowie bestehender Medikamente zur Erhaltung des Sehvermögens bei Menschen mit dieser häufigen Augenerkrankung verbessern.

Zitation: Morsy, M.S., Dutta, N.A., Eldessouky, E.I. et al. Artificial intelligence based assessment of treatment response in wet age related macular degeneration using paired OCT angiography. Sci Rep 16, 15405 (2026). https://doi.org/10.1038/s41598-026-42999-7

Schlüsselwörter: altersbedingte Makuladegeneration, optische Kohärenztomographie-Angiographie, künstliche Intelligenz, Therapieansprechen, Retina-Bildgebung