25rg37
10.3205/25rg37
urn:nbn:de:0183-25rg377
Meeting Abstract
Herausforderungen beim KI-basierten Screening auf diabetische Retinopathie im klinischen Alltag: Erkenntnisse aus der nicht-mydriatischen Bildgebung und notwendige Anpassungen
Poschkamp
Poschkamp
Broder
B
Greifswald
author
Kantz
Kantz
L.
L
Department of Diabetology, Heart- and Diabetes Centre Karlsburg
Leibniz Institute for Plasma Science and Technology, Greifswald
author
Augstein
Augstein
P.
P
Department of Diabetology, Heart- and Diabetes Centre Karlsburg
author
Tayar
Tayar
A.
A
Greifswald
author
Kaderali
Kaderali
L.
L
Institute of Bioinformatics, University Medicine Greifswald, Greifswald
author
Busch
Busch
M.
M
Greifswald
author
Bohl
Bohl
B.
B
Greifswald
author
Paul
Paul
S.
S
Greifswald
author
Lüdtke
Lüdtke
L.
L
Greifswald
author
Bründer
Bründer
M.C.
MC
Greifswald
author
Schulz
Schulz
D.
D
Greifswald
author
Grabow
Grabow
H.
H
Department of Diabetology, Heart- and Diabetes Centre Karlsburg
author
Gens
Gens
E.
E
Department of Diabetology, Heart- and Diabetes Centre Karlsburg
author
Müller
Müller
A.
A
Department of Diabetology, Heart- and Diabetes Centre Karlsburg
author
Martin
Martin
E.
E
Greifswald
author
Kerner
Kerner
W.
W
Department of Diabetology, Heart- and Diabetes Centre Karlsburg
author
Reindel
Reindel
J.
J
Department of Diabetology, Heart- and Diabetes Centre Karlsburg
author
Stahl
Stahl
A.
A
Greifswald
author
German Medical Science GMS Publishing House
Düsseldorf
610
20250613
germ
This is an Open Access article distributed under the terms of the Creative Commons Attribution 4.0 License.
Dieser Artikel ist ein Open-Access-Artikel und steht unter den Lizenzbedingungen der Creative Commons Attribution 4.0 License (Namensnennung).
M0622
37
Retinologische Gesellschaft
37. Jahrestagung der Retinologischen Gesellschaft
Diabetes/Chirurgie
Berlin
20250627
20250628
25rg37
TextZiel: Diese Studie untersucht die Leistungsfähigkeit zweier KI-gestützter Screening-Algorithmen für diabetische Retinopathie (DR), IDx-DR und RetCAD von Thirona retina unter realen klinischen Bedingungen ohne medikamentöse Pupillenerweiterung. Ziel ist es, risikobehaftete Patientengruppen zu identifizieren und Herausforderungen der nicht-mydriatischen Bildgebung im routinemäßigen Screening aufzuzeigen.Methode: Im Rahmen einer prospektiven Untersuchung wurde IDx-DR und in einer retrospektiven Analyse Thironas RetCAD an einer Kohorte von 1.716 Patientinnen des Diabeteszentrums Karlsburg getestet. Beide Algorithmen wurden hinsichtlich Bildanalyse, Schweregradbestimmung und Erkennung überweisungsrelevanter DR evaluiert. Der Vergleich erfolgte mit dem Goldstandard der ärztlich durchgeführten Funduskopie unter Mydriasis. Sensitivität, Spezifität und Bildqualität wurden sowohl für alle Patientinnen als auch für auswertbare Fälle (d.h. Bilder, die durch die KI analysierbar waren) bewertet. Es wurden neue Grenzen für eine fachärztliche Nachuntersuchung anhand des kontinuierlichen DR-Schweregradscores mit Hilfe des Youden-Index festgelegt und als „Greifswald-Modifikation“ benannt.Ergebnis: Die wichtigsten Risikofaktoren für DR waren eine längere Diabetesdauer, höheres Alter und Typ-1-Diabetes. Bei 5,7% der Patientinnen war keine Bildaufnahme möglich, bei 7,8% wurden die Bildvorgaben von IDx-DR (je ein makula- und papillen-zentriertes Bild pro Auge) nicht erfüllt. Aufgrund unzureichender Bildqualität wurden IDx-DR bei 25,5% der Fälle abgelehnt, während Thirona nur 6,9% der Bilder kennzeichnete, aber für alle Fälle eine Analyse durchführte. Die Sensitivität bei auswertbaren Fällen mit überweisungsrelevanter DR reichte von 70,41% (Thirona) bis 93,63% (Thirona mit Greifswald-Modifikation) und übertraf damit auch die Befundung durch Ärztinnen anhand der Bilder (78,23%). In der Betrachtung aller Patienten (einschließlich der Patienten ohne auswertbarer Fundusfotos) sank die Sensitivität jedoch deutlich, je nach Methode auf 48,24% (Augenärzte an Bildern) bis 79,87% (Thirona mit Greifswald-Modifikation). KI-basierte Screeningstrategien zeigten je nach Umsetzung ein Potenzial zur Reduktion augenärztlicher Untersuchungen um 47,5% bis 78,5%.Schlussfolgerung: Die Studie verdeutlicht die Diskrepanz zwischen Forschung mit mydriatischen Bildern oder hochqualitativen Datensätzen und der Realität nicht-mydriatischer Bildgebung im Alltag. Letztere führt zu einem deutlichen Leistungsabfall der KI-Algorithmen. Eine Anpassung der Grenzwerte zur Nachuntersuchung basierend aus Daten des Versorgungsalltags kann die Screeninggenauigkeit jedoch deutlich erhöhen und gleichzeitig die augenärztliche Arbeitslast signifikant verringern.
0
0
0
0