Universität zu Köln

Iliasian, Rosa (2025). Übertragbarkeit eines Künstlichen-Intelligenz-Algorithmus zwischen zwei Chirurgen bei der Descemet Membran Endothelialen Keratoplastik. PhD thesis, Universität zu Köln.

PDF Dissertation_Rosa_Iliasian-7314121__nach_Revisionsschein_.pdf - Accepted Version Download (5MB)

Abstract

Hintergrund: Die Descemet Membran Endotheliale Keratoplastik (DMEK) ist eine minimalinvasive Operationstechnik zur selektiven Transplantation erkrankter, posteriorer Hornhautschichten. Eine häufige postoperative Komplikation stellen Transplantatdehiszenzen dar, die ein Rebubbling erfordern. Die vorliegende Dissertation untersucht die Übertragbarkeit KI-gestützter Algorithmen zur Vorhersage der Rebubbling-Notwendigkeit nach einer DMEK. Zielsetzung: Ziel dieser Studie ist die Evaluation eines auf EfficientNetB0 basierenden Algorithmus hinsichtlich seiner Fähigkeit, die Notwendigkeit eines Rebubblings nach einer DMEK vorhersagen zu können. Zudem wird im Rahmen dieser Studie untersucht, ob der Algorithmus kreuzvalide ist für mehr als einen Chirurgen und auf andere Bildgebungsverfahren übertragbar ist. Material und Methoden: Es handelt sich um eine Single-Center-Studie, im Sinne einer retrospektiven, nicht-randomisierten Analyse. Dazu wurden Daten der DMEK-Datenbank der Klinik für Augenheilkunde der Universität Köln verwendet. Hierfür wurden Informationen aufgefasst von DMEK-Behandlungen zwischen den Jahren 2011 bis 2016. Aus diesen sind insgesamt 400 Patienten anhand folgender Kriterien ausgewählt worden: 1. Die DMEK Operationen wurde von einem erfahrenen Chirurgen durchgeführt, entweder C.C. oder B.B., 2. Die OCT-Bilder sind in einem Zeitraum von vier Wochen nach durchgeführter DMEK Operation entstanden und zeigen Transplantatdehiszenzen, 3. Bei allen Patienten, wurde initial Schwefelhexafluorid (SF6) Gas zum Andrücken des Transplantates an die Empfängerhornhaut genutzt, 4. Eingeschlossen wurden Patienten mit Spectral-Domain Volumenscans (Spectralis, Heidelberg Engineering, Heidelberg, Deutschland) und Time-Domain OCT Einzelscans (SL-OCT, Heidelberg Engineering, Heidelberg, Deutschland). Weiterhin wurden diese 400 Patienten in je vier Gruppen weiter aufgeteilt: 9 1.) Je 100 Patienten, die rebubbled worden sind basierend auf OCT Datensätzen mit B.B. als Operateur 2.) Je 100 Patienten, die rebubbled worden sind basierend auf OCT Datensätzen mit C.C. als Operateur Und als Vergleichsgruppe mit folgenden zwei Gruppen verglichen: 3.) Je 100 Patienten, die nicht rebubbled worden sind basierend auf OCT Datensätzen mit B.B. als Operateur 4.) Je 100 Patienten, die rebubbled worden sind basierend auf OCT Datensätzen mit B.B. als Operateur Die OCT Scans wurden jeweils erneut durch Prof. Takahiko Hayashi analysiert und gruppiert und anhand der Bildqualität sortiert. So sind insgesamt 21964 korneale OCT- Einzelscans eingeschlossen worden, welche die zuvor genannten Kriterien erfüllen und in die Studie eingeschlossen werden konnten. Ergebnisse: Es konnte gezeigt werden, dass der entwickelte Algorithmus mit einem AUCWert von 0,875 eine hohe Vorhersagegenauigkeit für die Notwendigkeit eines Rebubblings erreichte. Weiterhin zeigte die durchgeführte Kreuzvalidierung, dass der Algorithmus nicht spezifisch auf einen einzelnen Chirurgen ist und eine Übertragbarkeit auf einen weiteren Chirurgen valide ist. Während des Versuchs konnte nachgewiesen werden, dass ähnliche Ergebnisse der Vorhersagbarkeit mittels des Algorithmus bei beiden Chirurgen verzeichnet werden. Die erzielten Ergebnisse zeigen, dass der Algorithmus zuverlässig ist, die Generalisierbarkeit aber durch den Single-Center-Charakter der Studie begrenzt ist. Weitere Validierungen an größeren multizentrischen Kohorten sind erforderlich. Schlussfolgerung: Der Algorithmus liefert bereits jetzt trotz der noch bestehenden Limitation aufgrund des Studiendesigns ausreichend gute Ergebnisse, sodass er als Unterstützung für klinische Diagnosen und Prognosen genutzt werden oder als Richtschnur für weniger erfahrene DMEK-Chirurgen dienen kann.

Item Type:	Thesis (PhD thesis)
Creators:	Creators Email ORCID ORCID Put Code Iliasian, Rosa rmohamma@smail.uni-koeln.de UNSPECIFIED UNSPECIFIED
URN:	urn:nbn:de:hbz:38-786569
Date:	2025
Language:	German
Faculty:	Faculty of Medicine
Divisions:	Faculty of Medicine > Augenheilkunde
Subjects:	Medical sciences Medicine
Uncontrolled Keywords:	Keywords Language Rebubbling UNSPECIFIED Keratoplastik UNSPECIFIED Künstliche Intelligenz UNSPECIFIED
Date of oral exam:	25 June 2025
Referee:	Name Academic Title Siebelmann, Sebastian Privatdozent Widder, Randolf Professor
Refereed:	Yes
URI:	http://kups.ub.uni-koeln.de/id/eprint/78656