Oculomix: Hierarchisches Sampling steigert Retinaldiagnostik für systemische Erkrankungen
In der rasch wachsenden Disziplin der Oculomics, die versucht, systemische Erkrankungen wie Herz-Kreislauf‑Störungen und Demenz allein durch Retinalbilder vorherzusagen, hat ein neues Verfahren namens Oculomix die Messlatte höher gelegt. Durch den Einsatz von transformer‑basierten Grundmodellen wie RETFound können bereits jetzt erstaunlich viel Daten sparen.
Traditionelle Bild‑Augmentationsmethoden wie CutMix und MixUp, die häufig bei der Schulung von Transformern eingesetzt werden, verändern jedoch die patientenspezifischen Merkmale, weil sie nur Bild‑ und Label‑Informationen berücksichtigen. Das führt dazu, dass wichtige klinische Faktoren wie Begleiterkrankungen und andere Patienteneigenschaften verfälscht werden.
Oculomix löst dieses Problem, indem es eine hierarchische Stichprobenstrategie einführt, die auf zwei klinischen Prioritäten basiert: Erstens teilen Bilder, die zum selben Patienten zum selben Zeitpunkt gehören, dieselben Attribute; zweitens zeigen Bilder desselben Patienten zu unterschiedlichen Zeitpunkten einen weichen zeitlichen Trend, da die Morbidität im Allgemeinen zunimmt. Durch die Begrenzung des Mischungsraums auf die Ebenen von Patient und Untersuchung werden patientenspezifische Eigenschaften besser erhalten und die hierarchischen Beziehungen optimal genutzt.
Die Wirksamkeit wurde mit Vision‑Transformer‑Modellen auf einer fünfjährigen Vorhersage von schwerwiegenden kardiovaskulären Ereignissen (MACE) in einer großen, ethnisch vielfältigen Population (Alzeye) getestet. Oculomix übertraf die herkömmlichen Bild‑Augmentierungen CutMix und MixUp konsequent um bis zu 3 % im AUROC‑Score, was die Notwendigkeit und den Mehrwert dieser neuen Methode in der Oculomics‑Forschung unterstreicht.
Diese Ergebnisse zeigen, dass ein gezieltes, patientenorientiertes Sampling die Genauigkeit von Retinaldiagnosen für systemische Erkrankungen signifikant steigern kann und damit einen wichtigen Schritt in Richtung präziser, datenbasierter Medizin darstellt.