Deep Learning-Ansatz analysiert Sehkraftverlust bei Morbus Stargardt
2022
National Eye Institute, Bethesda, USA
Die Stargardt-Krankheit (ABCA4-assoziierte Retinopathie) ist die häufigste Form der Makuladegeneration im Jugendalter, bei der das Zentrum der Netzhaut, die Makula, betroffen ist. Sie führt zu fortschreitendem Verlust der zentralen Sehschärfe. Hier wurde anhand von Patientendaten (optische Kohärenztomographie der Augen) eine auf Deep Learning basierte Methode zur Charakterisierung der Photorezeptor-Degeneration im Zeitverlauf bei ABCA4-assoziierter Retinopathie demonstriert. Mit diesem Ansatz konnte vollautomatisch das Fortschreiten konventioneller Biomarker (z. B. ETDRS-basierte Analyse der Ausdünnung der Photorezeptorlaminae) sowie eine konturlinienbasierte Analyse der Photorezeptordegeneration im Zeitverlauf bewertet werden. Darüber hinaus wurde gezeigt, dass das Alter des Verlusts der lichtsensorischen Zellen vom Genotyp abhängt, und es wurden Schätzungen für 31 Varianten vorgelegt, darunter 16 Varianten, die bisher noch nicht quantitativ hinsichtlich des klinischen Schweregrads analysiert worden sind.
Photoreceptor degeneration in ABCA4-associated retinopathy and its genetic correlates
Brian P Brooks, Brett G Jeffrey
Eingestellt am: 03.02.2022
[1] https://insight.jci.org/articles/view/155373[2] https://www.technologynetworks.com/informatics/news/deep-learning-approach-analyzes-vision-loss-in-stargardt-disease-357916
