Forscher der Washington University School of Medicine, der Universität Washington und von Genentech haben ein experimentelles KI-System namens OCTCube-M entwickelt, das die Diagnose von Netzhauterkrankungen beschleunigt und verbessert. Die Ergebnisse der Studie wurden kürzlich in Nature Biomedical Engineering vorgestellt. Optische Kohärenztomographie liefert derzeit hochauflösende 3D-Bilder der Netzhaut, birgt jedoch durch die immense Datenmenge das Risiko manueller Fehler bei der Auswertung. OCTCube-M adressiert dieses Problem durch drei spezialisierte KI-Modelle, die 3D-Tomographiedaten sowie ergänzende Aufnahmeverfahren wie Infrarot- und Fundusautofluoreszenz-Imaging analysieren. Basierend auf mehr als 26.000 3D-Scans und 1,62 Millionen einzelnen Retinaschichten übertrifft das System ältere 2D-KI-Modelle um vier bis sechs Prozentpunkte bei der Erkennung von acht verschiedenen Netzhauterkrankungen. Dies entspricht einer Steigerung der Trefferquote um 43 bis 60 zusätzliche diagnostizierte Fälle pro 1.000 Patienten. Besonders bemerkenswert ist die Leistung bei der Vorhersage des Progressionsverlaufs der geografischen Atrophie, einer fortschreitenden Form der altersbedingten Makuladegeneration. Durch die Integration zusätzlicher Imaging-Daten erzielte das Modell hier eine um nahezu 50 Prozent höhere Genauigkeit gegenüber dem aktuellen Forschungsstandard. Neben der ophthalmologischen Diagnostik demonstriert das System ein erweitertes Potenzial für die systemische Medizin. Die Analyse der retinalen Mikrogefäße ermöglicht es dem Algorithmus, Risiken für Herzinfarkt, Schlaganfall und Nierenversagen abzuleiten. Da die Gefäßstruktur der Netzhaut der der Nieren und der kardiovaskulären Organe entspricht, hinterlassen systemische Entzündungs- und Arterioskleroseprozesse charakteristische Muster im Augengewebe. Dies verwandelt die Routinediagnostik in ein frühzeitiges Screening-Tool für allgemeine Gesundheitrisiken. Der leitende Studienautor Aaron Lee, MD, hebt hervor, dass die Technologie Ärzten ermöglicht, Diagnosewege zu rationalisieren und Therapien präziser anzupassen. Für die Pharmaforschung birgt die Fähigkeit zur genauen Verlaufsvorhersage erhebliches Einsparpotenzial: Klinische Studien könnten durch den Einsatz des KI-Modells in Größe und Laufzeit optimiert werden, was die Markteinführung wirksamer Medikamente beschleunigt. Die Forschenden planen die kontinuierliche Erweiterung der Trainingsdatensätze um weitere Patientengruppen und Bildgebungsverfahren, um die diagnostische Reichweite und Zuverlässigkeit von OCTCube-M nachhaltig zu steigern.