%0 English Abstract
%T [Use of artificial intelligence in geographic atrophy in age-related macular degeneration].
%A Chang P
%A von der Emde L
%A Pfau M
%A Künzel S
%A Fleckenstein M
%A Schmitz-Valckenberg S
%A Holz FG
%J Ophthalmologie
%V 121
%N 8
%D 2024 Aug 31
%M 39083094
暂无%R 10.1007/s00347-024-02080-y
%X The first regulatory approval of treatment for geographic atrophy (GA) secondary to age-related macular degeneration in the USA constitutes an important milestone; however, due to the nature of GA as a non-acute, insidiously progressing pathology, the ophthalmologist faces specific challenges concerning risk stratification, making treatment decisions, monitoring of treatment and patient education. Innovative retinal imaging modalities, such as fundus autofluorescence (FAF) and optical coherence tomography (OCT) have enabled identification of typical morphological alterations in relation to GA, which are also suitable for the quantitative characterization of GA. Solutions based on artificial intelligence (AI) enable automated detection and quantification of GA-specific biomarkers on retinal imaging data, also retrospectively and over time. Moreover, AI solutions can be used for the diagnosis and segmentation of GA as well as the prediction of structure and function without and under GA treatment, thereby making a valuable contribution to treatment monitoring and the identification of high-risk patients and patient education. The integration of AI solutions into existing clinical processes and software systems enables the broad implementation of informed and personalized treatment of GA secondary to AMD.<BR><B>UNASSIGNED: </B>Die erstmalige Zulassung von Therapien der geographischen Atrophie (GA) bei der altersabhängigen Makuladegeneration (AMD) in den USA stellt einen Meilenstein dar. Jedoch ergeben sich bei der GA als nichtakute und allmählich fortschreitende Erkrankung besondere Anforderungen an die Behandlerin bezüglich Risikostratifizierung, Therapieentscheidung, Therapiemonitoring und Patientenaufklärung. Mittels innovativer retinaler Bildgebungsmodalitäten wie der Fundusautofluoreszenz (FAF) sowie der optischen Kohärenztomographie (OCT) konnten typische strukturelle Veränderungen bei GA identifiziert werden, die sich auch zur quantitativen Charakterisierung von GA eignen. Lösungen, basierend auf künstlicher Intelligenz (KI), erlauben die automatisierte Detektion und Quantifizierung von GA-bezogenen Biomarkern auf retinalen Bilddaten – auch retrospektiv sowie im zeitlichen Verlauf. Darüber hinaus können KI-Lösungen für die Diagnose und Segmentierung von GA sowie für die Vorhersage von Struktur und Funktion ohne und unter Therapie eingesetzt werden und damit einen wertvollen Beitrag für das Therapiemonitoring sowie die Identifikation von Hochrisikopatienten und für die Patientenaufklärung leisten. KI-Lösungen eignen sich für die Integration in vorhandene klinische Abläufe und Softwaresysteme und machen so die breit einsetzbare informierte und personalisierte Therapie der GA bei AMD möglich.