Die Augenheilkunde ist nach der Radiologie das Fach, in dem die meisten Bilddaten generiert werden. Folglich gibt es eine große Datenmenge, die viele Möglichkeiten für automatisierte Bilddatenauswertung bietet. Schwerpunkte der Forschung in Münster liegen hierbei hauptsächlich auf der Auswertung von Daten der optischen Kohärenztomographie (OCT) bei Patient:innen mit neovaskulärer altersbezogener Makuladegeneration (AMD). Diese Patient:innen werden in unserer Klinik in der Regel nach Pro-Re-Nata-Schema geführt, werden also alle 4-6 Wochen zur Kontrolle einbestellt und erhalten bei Aktivitätszeichen eine intravitreale Injektion. Als Aktivitätszeichen definiert sind insbesondere das Vorhandensein intra- und/oder subretinaler Flüssigkeit im OCT.
Wir konnten im Rahmen unserer Kooperation mit Prof. Malcherek vom Fachbereich Informatik der Hochschule Darmstadt Deep-Learning-Algorithmen entwickeln, die präzise zwischen aktiver und inaktiver neovaskulärer AMD unterscheiden können. In einem weiteren Projekt wurde ein Deep-Learning-Algorithmus auf das automatische Erkennen verschiedener AMD-typischer Veränderungen auf den OCT-Bildern trainiert. Ein weiterer Schwerpunkt bildet die automatische Erkennung von glaukomatös veränderten Sehnerven bei Glaukompatient:innen. Ein entsprechend mittels Fundusfotografien geschulter Algorithmus erreichte eine gute Trennschärfe zwischen Sehnerven mit glaukomatösem Schaden und solchen, bei denen zwar auffällige Veränderungen, aber kein Nervenfaserschichtverlust bestand. Hier erreichte der Algorithmus bei Hinzuziehen von weiteren Metadaten ein ähnlich gutes Ergebnis wie ein Glaukomspezialist. Weitere Projekte zur Etablierung von Methoden zur Bildannotation sind in Vorbereitung.

• Prof. Julian Varghese, Institut für Medizinische Informatik, WWU Münster
• Prof. Dr. Arnim Malcherek, Fachbereich Informatik, Hochschule Darmstadt