BIGGER PICTURE Frühere Diagnose
Ein Netzhautscan, mehr als 50 mögliche Augenkrankheiten
Ein detaillierter Netzhautscan hilft erst, wenn daraus der richtige nächste Schritt folgt. Moorfields und DeepMind entwickelten ein System, das Bildmerkmale mit der Dringlichkeit einer Überweisung verbindet.

- Erfasste Erkrankungen
- Mehr als 50
- Korrekte Überweisungsempfehlung
- Mehr als 94 % in der Auswertung von 2018
- Sichtbare Prüfhilfen
- Markierte Bildmerkmale und Konfidenzwerte
So funktioniert die Idee
Netzhautschichten lesen
OCT-Bilder zeigen strukturelle Merkmale in der Netzhaut.
Relevante Veränderungen erkennen
Das erste Modell markiert krankheitsbezogene Merkmale.
Dringlichkeit empfehlen
Eine zweite Stufe schlägt eine ärztlich überprüfbare Überweisungspriorität vor.
Die Warteschlange zählt ebenso wie das Bild
Die optische Kohärenztomografie zeigt die Schichten der Netzhaut in hoher Auflösung. Viele solcher Scans zu beurteilen beansprucht knappe Fachzeit. Das Forschungsteam konzentrierte sich auf eine unmittelbar handlungsrelevante Entscheidung: Wie dringend muss diese Person zur passenden augenmedizinischen Versorgung?
Belege: [1]
Sichtbare Merkmale und Handlungsbedarf trennen
Zwei Stufen neuronaler Netze verbanden Bildauswertung und Überweisung. Das System lernte zehn krankheitsbezogene Merkmale und leitete aus dem dringlichsten Befund eine Empfehlung ab. Diese Struktur erleichterte auch die Anpassung an unterschiedliche Scannertypen, anstatt alles an ein einzelnes Gerät zu binden.
Der Fachkraft etwas Prüfbares zeigen
Die Ausgabe enthielt markierte Merkmale und Konfidenzwerte, die augenmedizinische Fachkräfte prüfen konnten. In der Forschungsauswertung von 2018 waren die Überweisungsempfehlungen für mehr als fünfzig Erkrankungen in über 94 % der Fälle korrekt. Auf den Vergleichsscans entsprach das der Leistung von Fachleuten.
Der Weg vom Scan zur schnelleren Versorgung
Die Forschung nutzte zuvor erhobene Scans. Sie belegte noch keine gemessene Verringerung von Erblindungen oder Wartezeiten in der Routineversorgung. Der bleibende Ansatz ist dennoch praktisch: automatisierte Auswertung mit einem überprüfbaren nächsten Schritt verbinden, damit knappe Aufmerksamkeit nach Dringlichkeit eingesetzt werden kann.
Die Originalquellen
- University College LondonArtificial intelligence equal to experts in detecting eye diseases
- Moorfields Eye HospitalGoogle DeepMind research updates