Deep Learning from Retinal Fundus Photographs for Detecting Angiographic Obstructive Coronary Artery Disease: A Multicenter Development and External Validation Study

Der menschliche Körper ist ein riesiges Netzwerk aus Rohren, das lebensnotwendiges Blut vom Herzen in jeden Winkel des Systems transportiert. Wenn diese Rohre, bekannt als Arterien, durch Fettablagerungen verstopft werden – ein Zustand namens Atherosklerose –, wird der Fluss eingeschränkt, was potenziell zu einem Herzinfarkt führen kann. Der direkteste Weg für Ärzte, festzustellen, ob die körpereigenen Arterien des Herzens blockiert sind, besteht darin, einen dünnen Schlauch durch die Blutgefäße zu führen und Farbstoff zu injizieren, ein Verfahren, das als invasive Koronarangiographie bezeichnet wird. Obwohl diese Methode der Goldstandard für die Diagnose ist, ist sie invasiv, mit Risiken verbunden und zeigt oft, dass die Arterien des Patienten tatsächlich frei sind, was bedeutet, dass das Verfahren unnötig war. Jahrelang haben sich Ärzte auf einfache Fragen zu Alter, Geschlecht und Symptomen eines Patienten verlassen, um die Wahrscheinlichkeit einer Blockade vor der Anordnung eines solchen Tests zu schätzen. Diese Vermutungen sind jedoch oft ungenau, was zu zu vielen unnötigen Eingriffen oder verpassten Diagnosen führt.

Ein anderer Ansatz ist aus einem unerwarteten Bereich entstanden: dem Hintergrund des Auges. Die Retina, die lichtempfindliche Schicht am Hintergrund des Auges, ist mit winzigen Blutgefäßen bedeckt, die die einzigen sind, die Ärzte ohne Operation direkt sehen können. Da diese retinalen Gefäße dieselbe biologische Umgebung wie die Arterien des Herzens teilen, können Veränderungen in ihrem Erscheinungsbild auf Probleme an anderer Stelle im Körper hindeuten. Forscher vermuteten schon lange, dass eine Fotografie der Retina Hinweise auf Herzkrankheiten liefern könnte, aber es war schwierig, diese visuellen Hinweise in eine zuverlässige Diagnose zu verwandeln. Nun deutet eine neue Studie darauf hin, dass fortschrittliche Computerprogramme lernen können, diese subtilen Anzeichen besser zu lesen als herkömmliche Ratespiele, und bieten so eine nicht-invasive Möglichkeit zu identifizieren, wer wirklich den invasiven Herztest benötigt.

In einer großen, multizentrischen Studie mit Tausenden von Patienten entwickelten Forscher ein hochentwickeltes Computersystem, das darauf ausgelegt ist, Fundusfotografien der Retina zu analysieren und das Vorhandensein einer obstruktiven koronaren Herzkrankheit vorherzusagen. Das Team, unter der Leitung von Experten des Beijing Anzhen Hospitals und der Beijing Airdoc Technology Co., Ltd., trainierte dieses KI-Modell anhand von Bildern von fast 4.800 Patienten, die bereits für den invasiven Herztest vorgesehen waren. Dem Computer wurden die retinalen Bilder zusammen mit den bestätigten Ergebnissen der Herztests gezeigt, sodass er die spezifischen visuellen Muster lernen konnte, die mit blockierten Arterien assoziiert sind. Das Modell, genannt RET-IRV2, wurde nicht nur darauf trainiert, Blockaden zu erkennen; es wurde auch darauf trainiert, grundlegende Patientendetails wie Alter und Geschlecht zu schätzen – eine Technik, die dem Computer hilft, sich auf die relevantesten Merkmale des Bildes zu konzentzen.

Der wahre Test für dieses neue Werkzeug kam, als die Forscher es auf eine völlig andere Gruppe von über 3.300 Patienten aus vier verschiedenen medizinischen Zentren anwandten. In dieser externen Validierung erwies sich das Computermodell als bemerkenswert effektiv. Es identifizierte das Vorhandensein einer obstruktiven koronaren Herzkrankheit mit einem hohen Grad an Genauigkeit und übertraf damit die Standardmethoden, die Ärzte derzeit verwenden, deutlich. Diese traditionellen Methoden, die das Risiko basierend auf Alter, Geschlecht und Symptomen berechnen, haben oft Schwierigkeiten, zwischen Patienten mit Blockaden und solchen ohne zu unterscheiden. In der Studie war die Fähigkeit des Computermodells, diese Gruppen zu trennen, weitaus überlegen gegenüber dem aktualisierten Diamond-Forrester-Modell, dem Duke Clinical Score und sogar einer Standard-Statistikberechnung, die Blutdruck und Cholesterinspiegel einschloss.

Was diesen Befund besonders überzeugend macht, ist, dass der Computer diesen Erfolg allein durch die Augenbilder erzielte, ohne weitere medizinische Daten oder Blutergebnisse als Input zu benötigen. Um zu verstehen, wie der Computer seine Entscheidungen traf, führten die Forscher eine Reihe von Experimenten durch, bei denen Teile der retinalen Bilder digital abgedeckt wurden. Als sie die Blutgefäße maskierten, sank die Leistung des Computers signifikant, was bestätigte, dass er sich tatsächlich auf die Struktur und das Erscheinungsbild der winzigen Gefäße stützte, um seine Diagnose zu stellen. Dies deutet darauf hin, dass das Modell nicht nur basierend auf zufälligen Mustern rät, sondern tatsächlich die systemischen vaskulären Veränderungen erkennt, die mit Herzkrankheiten einhergehen.

Die Studie untersuchte auch über die unmittelbare Diagnose hinaus, ob die Vorhersagen des Computers Auswirkungen auf die zukünftige Gesundheit von Patienten hatten, bei denen tatsächlich Blockaden bestätigt wurden. Unter den Patienten, die die Krankheit hatten und bis zu zwei Jahre lang nachverfolgt wurden, traten bei höheren Scores des Computermodells häufiger schwerwiegende unerwünschte kardiovaskuläre Ereignisse wie Herzinfarkt, Schlaganfall oder Tod auf. Dies deutet darauf darauf hin, dass die in der Retina festgehaltenen visuellen Informationen nicht nur helfen können, die Krankheit zu identifizieren, sondern auch einen Einblick geben können, wie schwerwiegend der zugrunde liegende Zustand ist und welchen Risiken ein Patient in der Zukunft ausgesetzt ist.

Trotz dieser vielversprechenden Ergebnisse weisen die Forscher vorsichtig auf die Limitationen ihrer Arbeit hin. Die Studie wurde in einem spezifischen Umfeld durchgeführt, in dem Patienten bereits zur invasiven Untersuchung überwiesen wurden, was bedeutet, dass die Gruppe eine sehr hohe Rate an tatsächlicher Erkrankung aufwies, was sich von der Allgemeinbevölkerung unterscheidet, in der Herzkrankheiten seltener vorkommen. Das Modell wurde noch nicht in Gruppen mit geringerem Risiko oder in Populationen außerhalb Ostasiens getestet, wo Unterschiede in der Pigmentierung der Augen und der Gefäßstruktur die Ergebnisse beeinflussen könnten. Darüber hinaus wird die Fähigkeit des Computers, zukünftige Herzereignisse vorherzusagen, als Hypothese für weitere Studien präsentiert und nicht als bewährtes Werkzeug zur Vorhersage individueller Ergebnisse.

Die Implikationen dieser Forschung sind bedeutend für die Zukunft des Herz-Kreislauf-Screenings. Sollten sich diese Ergebnisse in breiteren, vielfältigeren Populationen bewähren, könnte die Retinalfotografie zu einem leistungsstarken, nicht-invasiven Screening-Werkzeug werden. Sie könnte Ärzten helfen zu entscheiden, welche Patienten wirklich den invasiven Herztest benötigen und welche sicher mit weniger risikoreichen Methoden überwacht werden können. Durch die Bereitstellung eines klareren Bildes der vaskulären Gesundheit eines Patienten durch eine einfache, schmerzlose Fotografie hat diese Technologie das Potenzial, diagnostische Pfade zu verfeinern, unnötige Eingriffe zu reduzieren und letztendlich die Versorgung von Millionen von Menschen mit Verdacht auf Herzerkrankungen zu verbessern. Die Studie zeigt, dass die Augen, die oft als Fenster zur Seele bezeichnet werden, auch als klares Fenster in die Gesundheit des Herzens dienen können.