Krankheitsklassifikation von Makularem Optischer Kohärenztomographie-Scans unter Verwendung von Deep-Learning-Software

ZWECK: Bewertung der Pegasus-optischen Kohärenztomographie (OCT), einer klinischen Entscheidungsunterstützungssoftware zur Identifizierung von Merkmalen retinaler Erkrankungen aus Makula-OCT-Scans, in heterogenen Populationen mit unterschiedlichen Patienten-Demografien, Geräteherstellern, Akquisitionsstandorten und Bedienern. METHODEN: Fünftausendfünfhundertachtundachtzig normale und anomale Makula-OCT-Volumina (162.721 B-Scans), die an unabhängigen Zentren in fünf Ländern erworben wurden, wurden mit der Software verarbeitet. Die Ergebnisse wurden mit den von den Datensatzbesitzern bereitgestellten Ground Truths bewertet. ERGEBNISSE: Pegasus-OCT erzielte für alle Datensätze in der Erkennung allgemeiner makulärer Anomalien Flächen unter der Kurve der Empfangsbetriebskennlinie von mindestens 98 %. Für Scans von ausreichender Qualität wurden die Flächen unter der Kurve der Empfangsbetriebskennlinie für die Erkennung der altersbedingten makulären Degeneration und des diabetischen makulären Ödems mit mindestens 99 % bzw. 98 % ermittelt. SCHLUSSFOLGERUNG: Die Fähigkeit eines klinischen Entscheidungsunterstützungssystems, sich an unterschiedliche Populationen anzupassen, ist entscheidend für seine Akzeptanz. Es wurde gezeigt, dass Pegasus-OCT in der Lage ist, altersbedingte makuläre Degeneration, diabetisches makuläres Ödem und allgemeine Anomalien in OCT-Volumina, die an mehreren unabhängigen Standorten erfasst wurden, mit hoher Leistung zu erkennen. Sein Einsatz verspricht daher beträchtliche Fortschritte, mit dem Potenzial, die Belastung durch die wachsende Nachfrage in den Augenpflegediensten aufgrund retinaler Erkrankungen zu verringern.