1. Saarland
  2. Saarpfalz-Kreis
  3. Homburg

Augenklinik am UKS in Homburg arbeitet mit Künstlicher Intelligenz

Künstliche Intelligenz : Mit dem Computer sieht man besser

Künstliche Intelligenz ist derzeit das begehrteste Feld der Informatik. Mit KI kann man die Fehlbarkeit des menschlichen Auges beheben und exakte Ergebnisse bekommen, zum Beispiel bei Prüfverfahren.

Was ist eigentlich „künstliche Intelligenz“? Während darüber entweder Unwissenheit oder gar Spott herrscht, nach dem Motto: „natürliche Intelligenz ist mir lieber“, entwickelt sich diese Wissenschaft, die ein Teilgebiet der Informatik ist, rasant.

Im Allgemeinen bezeichnet künstliche Intelligenz den Versuch, bestimmte Entscheidungsstrukturen des Menschen nachzubilden, indem ein Computer so gebaut und programmiert wird, dass er relativ eigenständig Probleme bearbeiten kann. Zum Beispiel Fehler erkennen, die ein menschliches Auge kaum sieht. Oder nur lückenhaft erkennen kann. Zum Beispiel mikroskopisch kleine Fehler, wie bei einer Augen-Hornhaut.

 In Deutschland werden jährlich mehr als 9000 Hornhaut-Transplantationen durchgeführt. Trotz strenger Qualitätskriterien sind bei etwa vier bis fünf Prozent der Transplantate postoperativ warzenförmige Veränderungen, sogenannte Guttae, nachweisbar, die die Funktionsfähigkeit der Hornhaut beeinträchtigen. Bislang lässt sich nicht sicher ausschließen, ob und in welchem Ausmaß diese Guttae vorhanden sind. So kann es zur Verpflanzung krankhaft veränderter Hornhäute kommen. In einem gemeinsamen Projekt wollen nun die Universitätsaugenklinik in Homburg und das DFKI (Deutsches Forschungszentrum für Künstliche Intelligenz) ein Verfahren entwickeln, um die Qualität der Spenderhornhäute besser beurteilen zu können.

Guttae können auf der Endothelzellen tragenden Basalmembran der Hornhaut auftreten. Endothelzellen befinden sich an der Rückfläche der Hornhaut und sind für das aktive Herauspumpen von Flüssigkeit und den Erhalt der Transparenz der Hornhaut verantwortlich.

Bei Vorliegen von vielen Guttae verlieren die Endothelzellen ihre Funktion und können die Transparenz der Hornhaut auf Dauer nicht aufrechterhalten. Das führt sehr oft zu irreversiblen Sehstörungen, die manchmal so schwerwiegend sind, dass die Transplantation einer neuen Hornhaut notwendig wird. Kurzum: Hätte man das vorher gewusst, hätte man diese fehlerhafte Hornhaut gar nicht erst verpflanzt. Aber man hat die winzigen warzenförmigen Gebilde nun mal nicht erkannt.

 Ziel in KIttata (Künstliche Intelligenz für die Detektion und Klassifikation der Cornea guttata in der Hornhautbank vor der Keratoplastik) ist die Entwicklung eines KI-Klassifikationsalgorithmus’, der die Transplantationseignung einer Spenderhornhaut vorhersagt. Damit soll die langfristige Überlebensrate der Hornhaut-Transplantate erhöht, die Notwendigkeit einer erneuten Verpflanzung gesenkt, und die damit verbundenen Kosten für das Gesundheitswesen sollen reduziert werden.

Die Wahrscheinlichkeit für das Vorliegen unerkannter Guttae bei einem Hornhaut-Transplantat hängt von Kriterien ab, wie Unterschiede in der Farbe der Zellen, Unregelmäßigkeiten der Zellform, Vorhandensein von Bläschen, Deformitäten der Zellmembran oder Vorhandensein von Bereichen ohne Zellen.

„Während unser Doktorand Tarek Safi morphologische Kriterien für die Erkennung von maskierten Guttae auf der Spenderhornhaut in der Hornhaut-Bank aufstellte, kam er auf die Idee, Künstliche Intelligenz für die Detektion alarmierender Strukturabweichungen einzusetzen. KI findet derzeit in vielen Bereichen der Medizin, auch in der Augenheilkunde, viele Anwendungen. Durch den Einsatz dieser fortschrittlichen Technologie als Bildanalyse- und -erkennungswerkzeug könnte ein Meilenstein in der Qualitätssicherung von Hornhaut-Spendergewebe erreicht werden“, erläutert Professor Berthold Seitz, Direktor der Klinik für Augenheilkunde am Universitätsklinikum des Saarlandes. Er ist froh, dass es nun zu dieser Zusammenarbeit gekommen ist.

Wissenschaftler aus dem DFKI-Forschungsbereich „Kognitive Assistenzsysteme“ entwickeln mit Hilfe von KI-Methoden Verfahren, die diese Kriterien umsetzen. Im Kern handelt es sich dabei um einen Klassifikations-Algorithmus, der die aus den Verfahren resultierenden Parameter einsetzt um vorherzusagen, ob eine bestimmte Spenderhornhaut gesund ist. Dazu nutzen sie mikroskopisch erhobene Bilddaten der Hornhäute, die diese Details darstellen, als Eingabeparameter für einen KI-gestützten Bewertungsalgorithmus (Klassifikator).

„Unser Ziel ist es, die Klassifikation der Hornhäute zu optimieren und genauere Ergebnisse als die bisher verwendeten Verfahren zu erreichen. Dazu setzen wir ein Deep Learning-Verfahren ein, also einen Algorithmus des maschinellen Lernens auf Basis komplexer neuronaler Netze. Hierzu werden neuronale Modelle geschaffen, die aus den Informationen der Hornhautbank, also Bildern und Parametern, stammen“, sagt DFKI-Projektleiter Dr. Jan Alexandersson. Abschließend werden die Ergebnisse durch einen klinischen Experten beurteilt.