Role of Artificial Intelligence in Retinal Diseases.

Artificial intelligence (AI) has already found its way into ophthalmology, with the first approved algorithms that can be used in clinical routine. Retinal diseases in particular are proving to be an important area of application for AI, as they are the main cause of blindness and the number of patients suffering from retinal diseases is constantly increasing. At the same time, regular imaging using high-resolution modalities in a standardised and reproducible manner generates immense amounts of data that can hardly be processed by human experts. In addition, ophthalmology is constantly experiencing new developments and breakthroughs that require a re-evaluation of patient management in routine clinical practice. AI is able to analyse these volumes of data efficiently and objectively and also provide new insights into disease progression and therapeutic mechanisms by identifying relevant biomarkers. AI can make a significant contribution to screening, classification and prognosis of various retinal diseases and can ultimately be a clinical decision support system, that significantly reduces the burden on both everyday clinical practice and the healthcare system, by making more efficient use of costly and time-consuming resources. Die künstliche Intelligenz (KI) hat bereits Einzug in die Augenheilkunde gefunden durch erste zugelassene Algorithmen, die in der Praxis angewendet werden können. Als ein relevantes Anwendungsgebiet der KI erweisen sich insbesondere retinale Erkrankungen, da sie die Hauptursache einer Erblindung darstellen und die Zahl an Patienten, die an einer Netzhauterkrankung leiden, stetig zunimmt. Gleichzeitig werden durch die regelmäßige standardisierte und gut reproduzierbare Bildgebung mittels hochauflösender Modalitäten immense Datenmengen generiert, die von menschlichen Experten kaum zu verarbeiten sind. Außerdem erfährt die Augenheilkunde stetig neue Entwicklungen und Durchbrüche, die einer Reevaluierung des Patientenmanagements in der klinischen Routine bedürfen. Die KI ist in der Lage, diese Datenmengen effizient und objektiv zu analysieren und zusätzlich durch die Identifizierung relevanter Biomarker neue Einblicke in Krankheitsprozesse sowie Therapiemechanismen zu liefern. Die KI kann maßgeblich zum Screening, zur Klassifizierung sowie zur Prognose von unterschiedlichen Netzhauterkrankungen beitragen. Anwendungsfreundliche Auswertungstools (Clinical Decision Support Systems) für den klinischen Alltag sind bereits erhältlich, die Praxis und Gesundheitssystem durch effizientere Nutzung kosten- und zeitintensiver Ressourcen erheblich entlasten.

Informations de copyright

The Author(s). This is an open access article published by Thieme under the terms of the Creative Commons Attribution-NonDerivative-NonCommercial License, permitting copying and reproduction so long as the original work is given appropriate credit. Contents may not be used for commecial purposes, or adapted, remixed, transformed or built upon. (https://creativecommons.org/licenses/by-nc-nd/4.0/).

Déclaration de conflit d'intérêts

Ursula Schmidt-Erfurth: Scientific Consultant: Apellis, Aviceda, Complementtherapeutix, Heidelberg Engineering, Novartis, ONL, RetInSight, Roche, Topcon Contract Research to the Medical University of Vienna: Apellis, Genentech, KodiakJulia Mai: Consultancy: Apellis, Roche