KI in der Glaukom-Diagnostik: Vom OCT-Scan zur Verlaufsprognose
Künstliche Intelligenz analysiert OCT- und Fundusdaten zunehmend automatisiert und unterstützt die Früherkennung des Glaukoms. Auf dem Kongress der Deutschen Ophthalmochirurgie 2025 standen präzisere Messungen und prognostische Aussagen im Fokus.
Frühwarnsystem für den Sehnerv
Immer mehr Augenärztinnen und Augenärzte setzen KI-Systeme als Frühwarnsystem ein, beim Glaukom ebenso wie bei diabetischen Netzhautschäden oder der altersbedingten Makuladegeneration. Durch die hochauflösende Bildgebung von Sehnerv und Nervenfaserschicht lassen sich Glaukomschädigungen erkennen, die im klinischen Alltag sonst oft erst spät auffallen.
Präziser als zuvor
Auf der Pressekonferenz des 37. Internationalen Kongresses der Deutschen Ophthalmochirurgie (15., 17. Mai 2025 in Nürnberg) erläuterte Dr. Stephan Fröhlich, dass KI die Schichtdicke der Nervenfasern präziser als je zuvor messe und zusätzlich prognostizieren könne, wie sich die Erkrankung entwickelt. Damit verschiebt sich der Nutzen der Technologie von der reinen Befunderkennung hin zur Verlaufsabschätzung.
Wie die Modelle lernen
Die Systeme vergleichen aktuelle Aufnahmen mit zehntausenden Bilddatensätzen. Fachexperten verweisen darauf, dass bereits Studien mit der Verarbeitung von bis zu 15.000 Gesichtsfeldanalysen oder 20.000 OCT-Befunden publiziert wurden. Lokal trainierte Modelle, die mit realen Patientendaten weiterentwickelt werden, identifizieren krankhafte Veränderungen mit hoher Sensitivität.
Anwendungen über das Glaukom hinaus
Die auf dem Kongress vorgestellten Einsatzfelder reichen weiter:
- AMD-Management: KI erkennt Flüssigkeitsansammlungen in der Netzhaut und unterstützt die Wahl des Injektionszeitpunkts.
- Kataraktchirurgie: Aus anatomischen Daten und Sehgewohnheiten wird die Auswahl einer Premiumlinse abgeleitet.
- Roboterchirurgie: Forschungseinrichtungen wie die Uniklinik Ulm entwickeln KI-gestützte Systeme für präzisere Netzhauteingriffe.
Was offen bleibt
KI ersetzt die ärztliche Entscheidung nicht, sondern strukturiert die Datengrundlage. Für den breiten klinischen Einsatz bleiben Fragen der Validierung, der Datenqualität und der Integration in bestehende Befundungsabläufe zentral. Der Trend zu lokal trainierten, kontinuierlich nachgeschärften Modellen zeigt jedoch, in welche Richtung sich die Glaukom-Diagnostik bewegt.