OCT-Muster bei DMÖ: Hilft KI weiter?

aus Unter 4 Augen - der Wissenschaftspodcast der Ophthalmologie · 16.05.2026 · 18 Min.

Worum es geht

Die Episode beleuchtet die Nutzung von KI bei der Auswertung von OCT-Bildern zur Verbesserung der Diagnostik und Therapieplanung bei diabetischer Makuladegeneration. Dabei werden Studien vorgestellt, die mithilfe komplexer mathematischer Modelle und KI-Algorithmen versuchen, verschiedene Biomarker zu analysieren, um Patienten in unterschiedliche Phenotypen zu klassifizieren. Diese Klassifikationen könnten zukünftig eine prädiktive Aussagekraft hinsichtlich des Therapieansprechens haben, insbesondere bei der Auswahl zwischen Anti-VEGF- und Steroid-Therapien. Es wird auch auf die Herausforderungen eingegangen, die Überlappungen zwischen den Phenotypen und die Notwendigkeit größerer Studien zu identifizieren, um die klinische Anwendung zu verbessern. Insgesamt zeigt die Diskussion, wie datengetriebene Ansätze die personalisierte Medizin in der Ophthalmologie vorantreiben könnten.

Beschreibung

OCT-Muster bei DMÖ: Hilft KI weiter? Dr. Annika Licht im Gespräch mit PD Dr. Olga Furashova In dieser Folge setzen wir nahtlos dort an, wo wir vergangene Woche aufgehört haben: bei Biomarkern im OCT und ihrer Aussagekraft. Die Studie, die wir heute gemeinsam mit Frau Prof. Furashova besprechen, verfolgt jedoch einen anderen Ansatz – nämlich den Einsatz von KI. Lassen sich aus den Bilddaten Muster herauslesen, die Rückschlüsse auf die bisherige Dauer eines diabetischen Makulaödems oder das Ansprechen auf Steroide bzw. Anti-VEGF-Therapien zulassen? Und wo liegen die Grenzen und möglichen Fallstricke dieser Untersuchung? Tauchen Sie mit uns ein in spannende und brandaktuelle Entwicklungen der ophthalmologischen Bildanalyse! Weitere Informationen und die Studie selbst gibt es hier: OCT Muster bei DMÖ: hilft KI weiter? What Lies beneath Diabetic Macular Edema: Latent Phenotypic Clustering and Differential Treatment Responses to Intravitreal Therapies Maria Vittoria Cicinelli, MD,1,2 Beatrice Leonardo, MDs,1 Giacomo Maiucci, MDs,1 Giuliano Martino, MDs,1 Makan Ziafati, MD,3,4 Soufiane Bousyf, MD,1 Luisa Frizziero, MD,5 Rosangela Lattanzio, MD,1,2 Edoardo Midena, MD,5,6 Francesco Bandello, MD1,2 https://pubmed.ncbi.nlm.nih.gov/41377061/

Themen

• KI-gestützte Analyse von OCT-Bildern bei diabetischem Makulaödem
• Klassifikation und Subtypen des diabetischen Makulaödems anhand von Biomarkern
• Therapieansprechen bei DMÖ und prädiktive Modellierung