gms | German Medical Science

Hintergrund: Klinische Studien zur Therapien bei Makulaerkrankungen setzen als Endpunkte traditionell die Sehkraft des Patienten sowie die erzielte Netzhautdicke. Die Okuläre Kohärenztomographie (OCT) wird zukünftig durch die Kenntnisse sogenannter OCT-Biomarker und das Anwenden des maschinellen Lernens von Daten mehr Informationen zu Therapieverläufen bieten können, als bisher.

Methoden: Um Therapieverläufe individualisierter verfolgen zu können, benötigen Behandler entsprechende Parameter zur Beurteilung. Wir analysierten mit Hilfe des maschinellen Lernens Daten von Therapieverläufen bei Patienten mit Altersabhängiger Makuladegeneration (AMD) unter der Therapie mit VEGF-Hemmern. Anhand der OCT-Daten von Patienten mit Makulaforamina untersuchten wir die Erholung bestimmter anatomischer Strukturen der Netzhaut (IS/OS-Band der Fotorezeptoren) nach der Makulachirurgie.

Ergebnisse: Das maschinelle Lernen von diagnostischen Daten und Befunden kann helfen, die Therapieverläufe früher zu erkennen und klarere zu korrelieren und Therapien ggf. anzupassen. Die Definition von OCT-Biomarkern kann helfen, funktionelle Ergebnissen nach Makulachirugie besser zu korrelieren. Auch für die Behandlungen von diabetischen Makulaödemen sind OCT- und serologische Biomarkern definiert worden und werden vorgestellt.

Schlussfolgerung: Biomarker werden zukünftig ein Instrument sein, um Therapieverläufe besser bewerten und steuern zu können. Biomarker sind dabei nicht mehr allein eine Domäne der Serologie. IT-gesteuerte Datenauswertungen werden Ärzten bei der Dateninterpretation helfen, für die neue z.T. ungewohnte Wege in der Medizin begangen werden müssen.