KI erkennt Qualität von Spenderhornhaut

Kickoff des Projektes am 25. August 2020. (Foto: DFKI)

Ein neues KI-Verfahren soll die Qualität von Spenderhornhaut erkennen und so dabei helfen, Risiken von Hornhauttransplantationen zu minimieren. 

Mehr als 9.000 Hornhauttransplantationen werden pro Jahr in Deutschland durchgeführt. Trotz strenger Qualitätskriterien sind bei etwa vier bis fünf Prozent der Transplantate postoperativ warzenförmige Veränderungen nachweisbar. Diese beeinträchtigen die Funktionsfähigkeit der Hornhaut. Ob und in welchem Ausmaß die sogenannte Guttae vorhanden sind, lässt sich bisher nicht feststellen. Ändern wollen das Universitätsaugenklinik des Saarlandes und das DFKI in einem gemeinsamen Projekt. Sie wollen ein Verfahren entwickeln, um die Qualität der Spenderhornhäute besser beurteilen zu können.

Risiken und Kosten reduzieren

Guttae können auf der Endothelzellen tragenden Basalmembran der Hornhaut auftreten. Bei Vorliegen von vielen Guttae verlieren die Endothelzellen ihre Funktion und können die Transparenz der Hornhaut auf Dauer nicht aufrechterhalten. Ziel im Projekt KIttata (Künstliche Intelligenz für die Detektion und Klassifikation der Cornea guttata in der Hornhautbank vor der Keratoplastik) ist daher 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.

„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.“, sagt Prof. Dr. Berthold Seitz, Direktor der Klinik für Augenheilkunde am Universitätsklinikum des Saarlandes. KI findet derzeit in vielen Bereichen der Medizin, auch in der Augenheilkunde, viele Anwendungen. Durch den Einsatz der Technologie als Bildanalyse- und -erkennungswerkzeug, könnte nach Ansicht des Klinikdirektors ein Meilenstein in der Qualitätssicherung von Hornhautspendergewebe erreicht werden.

Wissenschaftler aus dem DFKI-Forschungsbereich Kognitive Assistenzsysteme entwickeln mithilfe 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“, so DFKI-Projektleiter Dr. Jan Alexandersson. „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.“

Klinische Experten

In einem weiteren Schritt sollen die Ergebnisse durch einen klinischen Experten beurteilt werden. Diese Begutachtung soll als Grundlage für die Anpassung der Eingabeparameter der Modelle dienen und dazu beitragen, das Modell nach und nach zu optimieren.