Deep Learning zur Vorhersage von Alzheimer und leichter kognitiver Beeinträchtigung mittels optischer Kohärenztomographie
OCULOMICS Singapur – Ein Deep-Learning-Algorithmus zur Vorhersage der Alzheimer-Krankheit und leichter kognitiver Beeinträchtigung anhand von Bilddaten der optischen Kohärenztomographie (OCT) konnte in einer aktuellen Studie die diagnostische Leistungsfähigkeit deutlich steigern. Die Forschergruppe um Jacqueline Chua vom Singapore Eye Research Institute in Singapur entwickelte ein trilaterales Ensemble-Deep-Learning-Modell und prüfte dessen Aussagekraft in einer Querschnittsstudie.
Zur Modellentwicklung wurden OCT-Daten von 228 asiatischen Teilnehmern ausgewertet (173 Fälle mit Alzheimer-Krankheit oder leichter kognitiver Beeinträchtigung, 55 gesunde Kontrollen). Für die Validierung kamen Bilddaten von zwei weiteren Kohorten zum Einsatz: 68 asiatische Teilnehmer (52 Fälle, 16 Kontrollen) und 85 weisse Teilnehmer (39 Fälle, 46 Kontrollen).
Das entwickelte Deep-Learning-Modell zeigte in beiden Populationen eine überlegene Klassifikationsleistung im Vergleich zu konventionellen nicht-deep-learning-basierten Modellen: In der asiatischen Kohorte lag die Fläche unter der Kurve (AUC) bei 0,91 gegenüber 0,71 bis 0,72 (p = 0,022 bis 0,032), in der weissen Kohorte bei 0,84 gegenüber 0,58 bis 0,75 (p = 0,056 bis < 0,001). Im Vergleich zu einem trilateralen statistischen Modell ergaben sich keine signifikanten Unterschiede (ähnliche AUCs, p > 0,05). Beide multimodalen Ansätze, sowohl Deep Learning als auch klassische statistische Verfahren, zeigten sich demnach geeignet zur Detektion von Alzheimer und leichter kognitiver Beeinträchtigung. Die Wahl des Verfahrens könnte künftig durch verfügbare Rechenressourcen, Anforderungen an die Modellinterpretierbarkeit und spezifische klinische Gegebenheiten beeinflusst werden.
In der Januar-Ausgabe 2025 der Fachzeitschrift ALZHEIMER’S & DEMENTIA (AMSTERDAM) stellen die Autoren dar, dass ein Deep-Learning-Algorithmus zur OCT-basierten Erkennung von Alzheimer und leichter kognitiver Beeinträchtigung entwickelt wurde. Das trilaterale Modell übertraf einzelne Bildparameter in verschiedenen Bevölkerungsgruppen, was das Potenzial bildbasierter Deep-Learning-Verfahren für die Früherkennung neurodegenerativer Erkrankungen unterstreicht. (bs)
Autoren: Chua J, Li C, Antochi F, Toma E, Wong D, Tan B, Garhöfer G, Hilal S, Popa-Cherecheanu A, Chen CL, Schmetterer L. Korrespondenz: Leopold Schmetterer, Singapore Eye Research Institute, Singapore National Eye Centre, 20 College Road, The Academia, Level 6, Discovery Tower, Singapore, 169856, Singapore. E-Mail: leopold.schmetterer@meduniwien.ac.at Studie: Utilizing deep learning to predict Alzheimer’s disease and mild cognitive impairment with optical coherence tomography. Quelle: Alzheimers Dement (Amst). 2025 Jan 14;17(1):e70041. doi: 10.1002/dad2.70041. PMID: 39811700; PMCID: PMC11730192. Web: https://alz-journals.onlinelibrary.wiley.com/doi/10.1002/dad2.70041