Guttae können auf der Endothelzellen tragenden Basalmembran der Hornhaut auftreten. Endothelzellen befinden sich an der Rückfläche der Hornhaut und sind für das aktive Herauspumpen von Flüssigkeit und den Erhalt der Transparenz der Hornhaut verantwortlich. Bei Vorliegen von vielen Guttae verlieren die Endothelzellen ihre Funktion und können die Transparenz der Hornhaut auf Dauer nicht aufrechterhalten. Das führt sehr oft zu irreversiblen Sehstörungen, die manchmal so schwerwiegend sind, dass die Transplantation einer neuen Hornhaut notwendig wird. Guttae bleiben in der präoperativ routinemäßig durchgeführten invertierten Spiegelmikroskopie manchmal unentdeckt.
Ziel in KIttata (Künstliche Intelligenz für die Detektion und Klassifikation der Cornea guttata in der Hornhautbank vor der Keratoplastik) ist die Entwicklung eines KI-Klassifikationsalgorithmus, der die Transplantationseignung einer Spenderhornhaut vorhersagt. Damit soll die langfristige Überlebensrate der Hornhaut-Transplantate erhöht, die Notwendigkeit einer erneuten Verpflanzung gesenkt und die damit verbundenen Kosten für das Gesundheitswesen reduziert werden.
Die Wahrscheinlichkeit für das Vorliegen unerkannter Guttae bei einem Hornhauttransplantat hängt von morphologischen Kriterien ab, wie Unterschiede in der Farbe der Zellen, Unregelmäßigkeiten der Zellform, Vorhandensein von Bläschen, Deformitäten der Zellmembran oder Vorhandensein von Bereichen ohne Zellen.
„Während unser Doktorand Tarek Safi morphologische Kriterien für die Erkennung von maskierten Guttae auf der Spenderhornhaut in der Hornhautbank aufstellte, kam er auf die Idee, Künstliche Intelligenz für die Detektion alarmierender Strukturabweichungen einzusetzen. KI findet derzeit in vielen Bereichen der Medizin, auch in der Augenheilkunde, viele Anwendungen. Durch den Einsatz dieser fortschrittlichen Technologie als Bildanalyse- und -erkennungswerkzeug, könnte ein Meilenstein in der Qualitätssicherung von Hornhautspendergewebe erreicht werden“, erläutert Prof. Dr. Berthold Seitz, Direktor der Klinik für Augenheilkunde am Universitätsklinikum des Saarlandes.
Wissenschaftler aus dem DFKI-Forschungsbereich Kognitive Assistenzsysteme entwickeln mit Hilfe von KI-Methoden Verfahren, die diese Kriterien umsetzen. Im Kern handelt es sich dabei um einen Klassifikations-Algorithmus, der die aus den Verfahren resultierenden Parameter einsetzt, um vorherzusagen, ob eine bestimmte Spenderhornhaut gesund ist. Dazu nutzen sie mikroskopisch erhobene Bilddaten der Hornhäute, die diese Details darstellen, als Eingabeparameter für einen KI-gestützten Bewertungsalgorithmus (Klassifikator).
„Unser Ziel ist es, die Klassifikation der Hornhäute zu optimieren und genauere Ergebnisse als die bisher verwendeten Verfahren zu erreichen. Dazu setzen wir ein Deep Learning-Verfahren ein, also einen Algorithmus des maschinellen Lernens auf Basis komplexer neuronaler Netze. Hierzu werden neuronale Modelle geschaffen, die aus den Informationen der Hornhautbank, also Bildern und Parametern, stammen“, sagt DFKI-Projektleiter Dr. Jan Alexandersson.
Abschließend werden die Ergebnisse durch einen klinischen Experten beurteilt. Diese Begutachtung dient als Grundlage für die Anpassung der Eingabeparameter der Modelle und trägt dazu bei, das Modell nach und nach zu optimieren.
Fördergeber: Dr. Rolf M. Schwiete Stiftung, Mannheim
Volumen: ca. 215.000 €
Laufzeit: 1 Jahr
Partner: Deutsches Forschungszentrum für Künstliche Intelligenz – DFKI, Saarbrücken