KI-Verfahren erkennen Qualität von Spenderhornhäuten

Project Kick-off on 25 August 2020

DFKI

Projekt „KItatta“ gestartet

In Deutschland werden jährlich mehr als 9.000 Hornhauttransplantationen durchgeführt. Trotz strenger Qualitätskriterien sind bei etwa 4-5 % der Transplantate postoperativ warzenförmige Veränderungen nachweisbar, die die Funktionsfähigkeit der Hornhaut beeinträchtigen. Bislang lässt sich nicht sicher ausschließen, ob und in welchem Ausmaß die sogenannten Guttae vorhanden sind. So kann es zur Verpflanzung krankhaft veränderter Hornhäute kommen.

In einem gemeinsamen Projekt wollen die Universitätsaugenklinik des Saarlandes und das DFKI 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. Guttae bleiben in der präoperativ routinemäßig durchgeführten invertierten Spiegelmikroskopie manchmal unentdeckt.

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 reduziert werden.

Die Wahrscheinlichkeit für das Vorliegen unerkannter Guttae bei einem Hornhauttransplantat hängt von morphologischen 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 Hornhautbank 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 Hornhautspendergewebe erreicht werden“, erläutert Prof. Dr. Berthold Seitz, Direktor der Klinik für Augenheilkunde am Universitätsklinikum des Saarlandes.

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. Diese Begutachtung dient als Grundlage für die Anpassung der Eingabeparameter der Modelle und trägt dazu bei, das Modell nach und nach zu optimieren.

Fördergeber: Dr. Rolf M. Schwiete Stiftung, Mannheim
Volumen: ca. 215.000 €
Laufzeit: 1 Jahr
Partner: Deutsches Forschungszentrum für Künstliche Intelligenz – DFKI, Saarbrücken
Universitätsklinikum des Saarlandes – Klinik für Augenheilkunde, Homburg

Pressekontakt Universitätsklinikum des Saarlandes
Roger Motsch
Pressestelle Universitätsklinikum des Saarlandes
E-Mail: Roger.Motsch@uks.eu
Tel.: +49 6841 16 2 20 83

Pressekontakt DFKI
Heike Leonhard
Team Unternehmenskommunikation DFKI Saarbrücken
E-Mail: heike.leonhard@dfki.de
Tel.: +49 174 307 6888

Wissenschaftliche Ansprechpartner:

Prof. Dr. Berthold Seitz
Klinikdirektor
Klinik für Augenheilkunde Universitätsklinikum des Saarlandes
E-Mail: berthold.seitz@uks.eu
Tel.: +49 6841 1622 387

Dr. Jan Alexandersson
Forschungsbereich Kognitive Assistenzsysteme
Deutsches Forschungszentrum für Künstliche Intelligenz
E-Mail: Jan.Alexandersson@dfki.de
Tel.: +49 681 85775 5347

https://www.dfki.de/web/news/detail/News/ki-verfahren-erkennen-qualitaet-von-spenderhornhaeuten-projekt-kitatta-gestartet/

Media Contact

Reinhard Karger M.A. DFKI Saarbrücken
Deutsches Forschungszentrum für Künstliche Intelligenz GmbH, DFKI

Alle Nachrichten aus der Kategorie: Informationstechnologie

Neuerungen und Entwicklungen auf den Gebieten der Informations- und Datenverarbeitung sowie der dafür benötigten Hardware finden Sie hier zusammengefasst.

Unter anderem erhalten Sie Informationen aus den Teilbereichen: IT-Dienstleistungen, IT-Architektur, IT-Management und Telekommunikation.

Zurück zur Startseite

Kommentare (0)

Schreiben Sie einen Kommentar

Neueste Beiträge

Diamantstaub leuchtet hell in Magnetresonanztomographie

Mögliche Alternative zum weit verbreiteten Kontrastmittel Gadolinium. Eine unerwartete Entdeckung machte eine Wissenschaftlerin des Max-Planck-Instituts für Intelligente Systeme in Stuttgart: Nanometerkleine Diamantpartikel, die eigentlich für einen ganz anderen Zweck bestimmt…

Neue Spule für 7-Tesla MRT | Kopf und Hals gleichzeitig darstellen

Die Magnetresonanztomographie (MRT) ermöglicht detaillierte Einblicke in den Körper. Vor allem die Ultrahochfeld-Bildgebung mit Magnetfeldstärken von 7 Tesla und höher macht feinste anatomische Strukturen und funktionelle Prozesse sichtbar. Doch alleine…

Hybrid-Energiespeichersystem für moderne Energienetze

Projekt HyFlow: Leistungsfähiges, nachhaltiges und kostengünstiges Hybrid-Energiespeichersystem für moderne Energienetze. In drei Jahren Forschungsarbeit hat das Konsortium des EU-Projekts HyFlow ein extrem leistungsfähiges, nachhaltiges und kostengünstiges Hybrid-Energiespeichersystem entwickelt, das einen…

Partner & Förderer