AI-verktyg kan kartlägga hur torr makuladegeneration utvecklas över tid

I studien analyseras över 200 OCT-bilder (optisk koherenstomografi) av näthinnan från mer än 100 patienter med torr makuladegeneration (AMD). Med hjälp av en CE-märkt programvara som använder artificiell intelligens (AI) för att analysera bilderna kan forskarna automatiskt identifiera och mäta förändringar i näthinnans olika lager.

Åldersrelaterad makuladegeneration (AMD) är en av de vanligaste näthinnesjukdomar som orsakar synnedsättning i Sverige. Sjukdomen förekommer i två former – en torr och en våt. I ett sent stadium av den torra formen kan patienterna utveckla geografisk atrofi, då syncellerna i gula fläcken bryts ned. Det leder till permanent synbortfall i det drabbade området. I dag saknas effektiv behandling mot torr AMD, vilket ökar behovet av bättre metoder för diagnostik och uppföljning.

AI-verktyg analyserar förändringar i näthinnan

Genom att analysera stora mängder ögonbilder kan forskarna följa hur förändringarna i näthinnan utvecklas. 

– Analys av näthinnans lager via OCT är i dag tidskrävande och görs till stor del manuellt. Med AI kan lagren identifieras och mätas automatiskt, vilket kan ge både snabbare och mer precisa bedömningar, säger Daniel R. Muth. 

Med hjälp av AI-verktyget kan forskarna kartlägga utbredningen av geografisk atrofi och mäta hur förändringarna utvecklas över tid. Målet är att identifiera nya biomarkörer och få mer precisa mått på hur snabbt sjukdomen fortskrider. 

– Den här typen av bildanalys kan hjälpa oss att bättre förstå sjukdomsförloppet och identifiera patienter som löper hög risk att utveckla geografisk atrofi i centrum av den gula fläcken, säger Daniel R. Muth. 

Projektet pågår till slutet av 2026. På sikt kan resultaten bidra till att bättre förutsäga vilka patienter med geografisk atrofi som har störst nytta av framtida behandlingar genom att ge mer precisa mått på hur snabbt sjukdomen utvecklas.