Aufnehmen, verarbeiten, kommunizieren – Retinamessungen mit Mimo

Kontinuierliches Monitoring ist bei jeder Erkrankung elementar. So kann beispielsweise bei Augenleiden durch regelmäßige Retinamessungen eine Verschlechterung des Zustandes früh erkannt und interveniert werden. Voraussetzungen dafür sind eine flächendeckende Versorgung, die unkomplizierte Durchführung von Messungen und zeitnahe Resultate. All dies ist jedoch selten gegeben.

Im Interview mit MEDICA.de spricht Dr. Peter Maloca über die Defizite im Monitoring von Augenerkrankungen, wie ein neu entwickeltes Gerät diese lösen kann und welche Rolle Künstliche Intelligenz dabei spielt.

Herr Dr. Maloca, Sie haben mit Mimo einen selbstmessenden Netzhautscanner entwickelt. Wie kam es genau dazu?

Dr. Peter Maloca: Wir haben schon vor etwa vierzehn Jahren mit der Forschung in diesem Bereich begonnen. Ich habe damals festgestellt, dass ich in meiner Praxis bei Patienten mit feuchter Makuladegeneration im Vergleich mit Kollegen immer deutlich bessere Resultate erzielt habe. Das lag daran, dass ich zu dieser Zeit schon einen Retina-Laserscanner mit optischer Kohärenztomographie (OCT) hatte. Dadurch konnte ich unmittelbar die richtige Diagnose stellen und den Patienten rasch seiner Therapie zuführen und den Verlauf und die Wirkung der Therapie engmaschig kontrollieren. Dass OCT-Geräte zur Diagnostik nicht flächendeckend eingesetzt wurden und die Patienten oft nicht zeitnah Termine bekommen haben, war natürlich eine unbefriedigende Situation, die wir ändern wollten. Aus diesem Grund haben wir ein OCT-Gerät entwickelt, das einfach und schnell zu bedienen ist und zu jeder Zeit und an jedem Ort Messungen ermöglicht.

OCT wird schon seit einigen Jahren in der Augenheilkunde eingesetzt. Was ist nun das Neue an Mimo?

Maloca: Mimo – das ist die Abkürzung für "mini und mobil" OCT – ist nicht einfach ein neues OCT-Gerät, sondern ein selbst-kommunikatives Datensystem. Normalerweise sehen OCT-Untersuchungen so aus: Der Patient muss sich zunächst Zeit nehmen und in die Klinik kommen, wo das Gerät steht. Dann wird eine Hilfsperson benötigt, die den Patienten vorbereitet und positioniert, die Messungen durchführt und die Daten abspeichert. Der Augenarzt sieht sich danach meist die Bilder in Abwesenheit des Patienten an. Im Anschluss daran muss er den Patienten wieder einladen und mit ihm die Resultate besprechen. Gemeinsam mit früheren Porsche-Designern haben wir nun ein völlig neuartiges Konzept entwickelt, bei dem das Messgerät mehr ist als nur eine Maschine. Der Patient umarmt das miniaturisierte Gerät wie eine Person. Um die Netzhautmessung zu starten, legt er seinen Kopf auf eine passgenaue Halterung. Dadurch wird ein elektrisches Signal an das Gerät zum Start der Messung übermittelt. So erkennt es zum Beispiel auch, wenn der Patient zurückfällt, und kann die Messung dementsprechend unterbrechen. Die Messung dauert weniger als zwei Sekunden pro Auge.

Das erlaubt viel häufigere Messungen, wobei allerdings so viele Daten generiert werden, dass ein Arzt sie nicht mehr lesen kann. Daher haben wir auch eine neue Software entwickelt, die auf Machine Learning beruht und die Datenmengen auswertet. Die Resultate in Form von Empfehlungen werden dem Patienten dann übermittelt, zum Beispiel an sein mobiles Gerät. In diese Schleife können auch autorisierte Personen wie die Familie oder der Augenarzt einbezogen werden, sofern der Patient das akzeptiert. Dabei steht der Mensch immer oberhalb der Künstlichen Intelligenz. Schlussendlich wird also der Augenarzt gemeinsam mit seinem Patienten den Entschluss für eine Behandlung treffen. Mimo ist demnach ein Teil eines ganzen neuen Konzepts: Wir müssen erstens Daten aufnehmen, zweitens Daten verarbeiten und drittens Daten rasch und nachhaltig kommunizieren. Die Daten sollen fließen und nicht in einem Datenfriedhof landen.

Für welche Erkrankungen ist Mimo relevant?

Maloca: Mimo richtet sich vor allem an Patienten mit altersbedingter Makuladegeneration (AMD). Bei diesen haben wir oft das Problem, dass sie im Laufe der Jahre nicht mehr zu den Untersuchungen kommen. Da unser Gerät zeit- und ortsunabhängige Messungen erlaubt, schnell Resultate liefert und zudem einfach zu bedienen ist, haben wir die Hoffnung, diese Patienten länger in dieser Schleife zu behalten und eine personalisierte Augenheilkunde zu fördern. Generell ist unser Gerät aber für alle Erkrankungen relevant, die einhergehen mit einer Einlagerung von Flüssigkeit in oder unter der Netzhaut. So kann zum Beispiel auch bei einem Diabetes, bei Gefäßverschluss und bei Entzündungen das Retina-Monitoring mit unserem System durchgeführt werden.

Was muss bei der Anwendung berücksichtigt werden?

Maloca: Zum einen muss das Gerät in seiner ersten Generation noch in einer relativ kontrollierten Umgebung genutzt werden. Es sollte eine Fachkraft zugegen sein, die prüft, ob das Gerät sauber ist und ob zum Beispiel Schmutzpartikel oder andere äußere Einflüsse die Messungen beeinflussen könnten. Darum sehen wir den Einsatz des Gerätes immer unter betreuten Verhältnissen – bei einem Augenarzt, in einer Klinik, in einem Seniorenheim oder bei einem Optiker.

Zum anderen sollten die Patienten gewillt sein, die Messungen regelmäßig durchzuführen. Es gibt AMD-Patienten, die nichts machen lassen wollen. Das ist sehr gefährlich, da mit dem Alter auch die Konversionsrate des zweiten, zuvor nicht betroffenen Auges steigt. So verschlechtert sich dies ab siebzig Jahren um ungefähr fünfundzwanzig Prozent innerhalb von fünf Jahren. Unser Gerät könnte theoretisch nicht nur das betroffene Auge überwachen, sondern auch frühzeitig eine Konversion des zweiten Auges zeigen, bevor der Patient überhaupt etwas bemerkt. Auch aus Studien wissen wir, dass regelmäßiges Monitoring viel frühere Interventionen erlaubt und einen Visusverlust verhindert. Außerdem wird durch die große Datenmenge die Entscheidungsfindung verbessert, was auch die Kosten einer Therapie legitimiert.

Welche Bedeutung wird Künstliche Intelligenz Ihrer Meinung nach in Zukunft für die Medizin spielen?

Maloca: Die Zukunft hat in diesem Sinne schon begonnen. Wir sind schon mitten drin! Wenn Sie Ihre Kreditkarte benutzen, ein Video streamen oder im Internet einkaufen – die Künstliche Intelligenz ist bereits da. Wir sprechen allerdings lieber von Machine Learning, weil diese Methoden nichts anderes sind als ausgeklügelte Rechnungsmethoden. Diese Algorithmen haben alle eines gemeinsam: Sie erfüllen in einem sehr engen beschränkten Rahmen eine Aufgabe sehr gut. Und das machen sie so genau, schnell und effizient, dass die Menschen einerseits beeindruckt sind, andererseits aber auch Angst haben. Wir möchten mit unserer Forschung die Ängste abbauen und zeigen, dass Mensch und Maschine auch zusammenarbeiten können – und zwar so, dass am Schluss immer der Mensch die Entscheidung fällen muss. Indem die die Software die Resultate optisch und rechnerisch darstellt, können wir die Messergebnisse nachvollziehen und selbst noch viel lernen. Dank der Zuverlässigkeit und hohen Zeitersparnis ermöglicht sie den Ärzten, sich anderen wichtigen Aufgaben zu widmen – nämlich dem Patienten selbst. Machine Learning unterstützt uns also bei der Erweiterung unseres Fachwissens und bei der Stärkung der Arzt-Patienten-Beziehung.