Studie: KI-Diagnose von Keratitis vergleichbar mit Augenärzten
KI-Modelle sollen laut der Studie verschiedene Ursachen der infektiösen Keratitis unterscheiden können.
Dr. Darren Ting von der Universität Birmingham analysierte zusammen mit einem internationalen Forscherteam 35 Studien, in denen Deep-Learning-Modelle zur Diagnose von infektiöser Keratitis (IK) eingesetzt wurden. Sie untersuchten dafür 136.000 Hornhautbilder. Die Ergebnisse zeigen, dass die KI-gestützten Modelle infektiöse Hornhautentzündungen genau so zuverlässig diagnostizieren können wie Augenärzte. Demnach wiesen die KI-Modelle eine Sensitivität von 89,2 Prozent und eine Spezifität von 93,2 Prozent. Die Augenärzte zeigten im Vergleich eine Sensitivität von 82,2 Prozent und eine Spezifität von 89,6 Prozent. Darüber hinaus sollen sich die KI-Modelle auch bei der Unterscheidung zwischen gesunden Augen, infizierten Hornhäuten und den verschiedenen Ursachen der IK, wie etwa bakterielle oder Pilzinfektionen, als wirksam erwiesen haben.
Die Ergebnisse seien laut der Autoren besonders vielversprechend für deren Einsatz in Regionen mit begrenztem Zugang zu augenärztlicher Versorgung. Gleichzeitig werde betont, dass weitere Daten und externe Validierungen erforderlich seien, um die Modelle für den klinischen Einsatz weiter zu optimieren. Dr. Darren Ting, Hauptautor der Studie: „Unsere Studie zeigt, dass KI das Potenzial hat, schnelle und zuverlässige Diagnosen zu stellen, was den Umgang mit Hornhautinfektionen weltweit revolutionieren könnte.
Die Ergebnisse der Metaanalyse wurden im Fachjournal eClinicalMedicine veröffentlicht.
