Ein Forschungsteam von Helmholtz Munich und dem TUM Klinikum hat mit DeepNeo einen KI-Algorithmus entwickelt, der die Heilung von Stents in OCT-Bildern automatisch beurteilen kann. DeepNeo erkennt verschiedene Heilungsmuster mit einer Genauigkeit, die der klinischer Experten entspricht – jedoch in einem Bruchteil der Zeit. Darüber hinaus liefert das KI-Tool präzise Messdaten, etwa zur Gewebedicke und zur Abdeckung des Stents, und bietet so wertvolle Einblicke für das Patientenmanagement.

„Mit DeepNeo erreichen wir eine automatisierte, standardisierte und äußerst präzise Analyse der Stent- und Gefäßheilung – etwas, das bislang nur durch aufwendige manuelle Auswertung möglich war“, sagt Valentin Koch, Erstautor der Studie, in der der Algorithmus vorgestellt wurde. „DeepNeo ist so gut wie eine Ärztin oder ein Arzt – nur viel schneller.“

Für das Training von DeepNeo nutzte das Forschungsteam 1.148 OCT-Bilder aus 92 Patientenscans, die manuell annotiert wurden, um verschiedene Formen des Gewebewachstums zu klassifizieren. Anschließend wurde der KI-Algorithmus in einem Tiermodell getestet – mit überzeugendem Ergebnis: DeepNeo identifizierte krankhaftes Gewebe in 87 Prozent der Fälle korrekt, verglichen mit der detaillierten Laboranalyse, dem aktuellen Goldstandard. Auch bei der Auswertung menschlicher Scans zeigte DeepNeo eine hohe Präzision und stimmte eng mit den Einschätzungen medizinischer Fachkräfte überein.

Original Paper:

Deep learning model DeepNeo predicts neointimal tissue characterization using optical coherence tomography | Communications Medicine

_{Die Beiträge im News-Bereich werden erstellt vom X-Press Journalistenbüro}

Gender-Hinweis. Die in diesem Text verwendeten Personenbezeichnungen beziehen sich immer gleichermaßen auf weibliche, männliche und diverse Personen. Auf eine Doppel/Dreifachnennung und gegenderte Bezeichnungen wird zugunsten einer besseren Lesbarkeit verzichtet.