AnsprechpersonProjektbeschreibungProjektposterPublikation

Ansprechperson: Prof. Dr. Reinhard Koch

Projektbeschreibung

Das Projekt iAuge ist ein Teilprojekt des überregionalen Verbundprojektes „KI-Space für intelligente Gesundheitssysteme“ (KI-SIGS). In Kooperation von Partnern an den Universitäten Lübeck, Kiel und Bremen, dem Universitätsklinikum Schleswig-Holstein (UKSH) sowie der Fa. Visotec GmbH und der UniTransferKlinik aus Lübeck werden neue KI-basierte Lösungen zur ophthalmologischen Diagnostik erarbeitet. Wesentliches Ziel der Arbeiten am Institut für Medizinische Informatik (IMI) ist die Entwicklung von optimierten Deep Neural Networks für die automatische KI-basierte Auswertung von dreidimensionalen OCT-Bildern (OCT: Optical Coherence Tomography) zur verbesserten Versorgung von Patienten mit Augenerkrankungen.

Im Anwendungsprojekt iAuge werden in Kooperation von den Verbundpartnern an den Universitäten Lübeck, Kiel und Bremen, dem Universitätsklinikum Schleswig-Holstein (UKSH) sowie der Fa. Visotec GmbH und der UniTransferKlinik aus Lübeck neue KI-basierte Lösungen zur ophthalmologischen Diagnostik erarbeitet. Wesentliches Ziel der Arbeiten am Institut für Medizinische Informatik (IMI) ist die Entwicklung von optimierten Deep Neural Networks für die automatische KI-basierte Auswertung von dreidimensionalen OCT-Bildern (OCT: Optical Coherence Tomography) zur verbesserten Versorgung von Patienten mit Augenerkrankungen. Das Projekt wird vom Bundesministerium für Wirtschaft und Energie von 2020-2023 gefördert.

Im Rahmen von iAuge soll eine KI-Plattform für die Unterstützung der integrierten Versorgung von Patienten mit Augenerkrankungen wie z.B. der häufig auftretenden, altersbedingten Makula­de­gene­ration (AMD) und der Retinopathia Centralis Serosa (RCS) etabliert werden. Neben der KI-Unterstützung der multimodalen Bildanalyse beim Augen­arzt bzw. in der Klinik soll eine Deep-Learning-basiertes automatisierte Datenanalyse für eine völlig neuartige Homecare-OCT-Anwendung realisiert und auf der KI-SIGS-Plattform integriert werden. Dies soll dem Patienten eine Krankheitskontrolle zu Hause ermöglichen, wodurch eine wesentliche Therapieverbesserung insbeson­dere bei AMD-Patienten erwartet wird. Die kontinuierliche häusliche Kontrolle anhand Homecare-OCT-Bilder wird durch das am IMI entwickelte KI-System Verschlechterungen des Augenzustandes zu Hause automatisch erkennen und so individuell optimale Behandlungszeitpunkte ermitteln.

Ein technologisch neuartiger, mobiler OCT-Scanner wird von der Fa. Visotec GmbH für den Homecare-Bereich entwickelt (Abb. 1). Zusammen mit der Universitätsaugenklinik Kiel wurde die Technologie an unterschiedlichen Patientenkollektiven validiert und mit bereits etablierten, hochauflösenden OCT-Scannern verglichen. Die Fa. Visotec GmbH wird Bilddaten von Patienten zur Entwicklung der Algorithmen zur Verfügung stellen und strebt die Vermarktung des Gesamtsystems an. Die große Datenmenge der dreidimensionalen, täglich aufgenommenen Bilddaten erfordern neue intelligente, effiziente, Deep-Learning-basierte Auswertungsalgorithmen.  Das IMI konzipiert und entwickelt hierfür problemoptimierte Deep-Learning-Netzwerke und Bildverarbeitungs­algorithmen, die relevante AMD-Biomarker (Abb. 2) in den Bilddaten des Homecare-OCT quantitativ erfassen sowie ihre zeitlichen Veränderungen und Relevanz zur Therapiesteuerung bewerten. Zusätzlich werden vorhandene, in der Klinik erhobene OCT-Bilder in den Entwicklungsprozess mit einbezogen. Parallel werden am Institut für Biomedizinische Optik (BMO) Rekonstruktionsverfahren weiterentwickelt, um Bewegungen auszugleichen und relevante Strukturen mit verbesserter Qualität darzustellen. Das für die Homecare-Anwendung notwendige kompakte und kostengünstige Design sowie eine selbstständige Nutzung durch meist ältere Patienten mit reduziertem Visus stellen besondere Anforderungen an Bedienung und Auswertung der Daten. Ein optimiertes Benutzerinterface für das Homecare-OCT-Gerät wird in Kooperation mit der AG Human Computer Interaction (Uni Bremen) entwickelt. In Kooperation mit der UniTransferKlinik Lübeck wird der praktische Einsatz des Systems über die zentrale KI-Plattform unterstützt und ein einsatzfähiger Demonstrator für die entwickelten KI-Methoden etabliert.

Kooperationspartner:

• Prof. Dr. Heinz Handels und Dr. Timo Kepp

 Institute for Medical Informatics (IMI) of the University of Lübeck

• Prof. Dr. Gereon Hüttmann

Institute for Biomedical Optics (BMO) of the University of Lübeck

• Prof. Dr. Johann Roider und Dr. Claus von der Burchard

Department for Ophthalmology, UKSH Campus Kiel (UKSH Kiel)

• Prof. Dr. Johannes Schöning

AG Human Computer Interaction, University Bremen (Uni Bremen)

• Prof. Dr. Reinhard Koch und Monty Santarossa, University of Kiel

Multimedia Information Processing Group, University Kiel (Uni Kiel)

• Prof. Dr. Martin Leucker und Dr. Tim Suthau

UniTransferKlinik, Lübeck (UTK)

• Helge Sudkamp

Fa. Visotec GmbH, Lübeck

Abb.1: Handgehaltener OCT-Scanner.

Abb. 2: Vergleich zweier Netzhautscans desselben AMD-Patienten mit Pigmentepithelabhebungen zwischen dem Spectralis OCT von Heidelberg Engineering (rechts) und dem Homecare-OCT von Visotec (links).

Projektposter

Publikationen

1) IfI, AK: SPIE_Medical_Imaging_Registration_Paper: Monty Santarossa, Ayse Tatli, Claus von der Burchard, Lars Schmarje, Claudius Zelenka, Stefan Reinhold, Johann Roider, and Reinhard Koch, “MedRegNet – Unsupervised Multimodal Retinal-Image Registration with GANs and Ranking Loss”, Proc. SPIE 12032, Medical Imaging 2022: Image Processing, 1203218 (4 April 2022); https://doi.org/10.1117/12.2607653 

2) Full-field OCT techniques for in-vivo functional retina imaging and home monitoring of AMD, ARVO 2022, Denver, USA, 12.5.2022

3) IMI, BMO, AK: Kepp T., Andresen J., Sudkamp H., Burchard C., Roider J., Hüttmann G., Ehrhardt J., Handels H.Epistemic and Aleatoric Uncertainty Estimation for PED Segmentation in Home OCT ImagesIn: Maier-Hein K., Deserno T., Handels H., Maier A., Palm C., Tolxdorff T., Bildverarbeitung für die Medizin 2022, Heidelberg, Informatik Aktuell, Springer Vieweg, Wiesbaden, 32-37, 2022

4) IMI: Uzunova H., Basso L., Ehrhardt J., Handels H.Synthesis of annotated pathological retinal OCT data with pathology-induced deformationsIn: Proc. SPIE 12033, Medical Imaging 2022: Computer-Aided Diagnosis, San Diego, United States, SPIE, 12033, 2022

5) Ifl, AK, IMI: Santarossa, Monty, Ayse Tatli, Claus von der Burchard, Julia Andresen, Johann Roider, Heinz Handels, and Reinhard Koch. 2022. "Chronological Registration of OCT and Autofluorescence Findings in CSCR: Two Distinct Patterns in Disease Course" Diagnostics 12, no. 8: 1780. https://doi.org/10.3390/diagnostics12081780

6) UTK: "Philipp Bende, Olga Vovk, David Caraveo, Ludwig Pechmann and Martin Leucker: A Case Study on Data Protection for a Cloud- and AI-based Homecare Medical Device". HEDA 2022 Konferenz: https://cs.ttu.ee/events/heda-2022/ 
7) UB: Daniel Diethei, Ashley Colley, Lisa Dannenberg, Muhammad Fawad Jawaid Malik & Johannes Schöning (2021). The Usability and Trustworthiness of Medical Eye Images. ICHI 2021: IEEE International Conference on Healthcare Informatics (2021)

8) UB: Daniel Diethei, Ashley Colley, Matilda Kalving, Tarja Salmela, Jonna Häkkilä, and Johannes Schöning. 2020. Medical Selfies: Emotional Impacts and Practical Challenges. 22nd International Conference on Human-Computer Interaction with Mobile Devices and Services. Association for Computing Machinery, New York, NY, USA, Article 8, 1–12. https://doi.org/10.1145/3379503.3403555 

Auszeichnungen: IMI: Auszeichnung von Leonie Basso mit dem Prof. Dr. Werner Petersen-Preis der Technik 2021 für ihre Masterarbeit unter Betreuung von Prof. Dr. Heinz Handels mit dem Titel: "Generierung synthetischer annotierter Retina-OCT-Bilder mit Generative Adversarial Networks" durch die Prof. Dr. Werner Petersen-Stiftung, Kiel, 13.12.21. Die Masterarbeit wurde im Kontext des KI-SIGS-Projektes iAuge durchgeführt und von Prof. Dr. Heinz Handels betreut.