Künstliche Intelligenz und optische Kohärenztomographie-Angiographie in Bezug auf Diabetes mellitus in der Arbeitswelt

Fragestellung: Geeignete Strategien in Hinblick auf die Prävention bzw. frühzeitige Diagnostik von Diabetes mellitus stellen bis heute große medizinische Herausforderungen dar. Im Rahmen der betrieblichen Gesundheitsförderung können beispielsweise Maßnahmen zur Steigerung der körperlichen Fitness, Workshops zum Thema „gesunde Ernährung“ bzw. die Förderung psychischer Gesundheit elementare Beiträge zur Prävention von Diabetes mellitus Typ 2 leisten; darüber hinaus trägt arbeitsmedizinische Vorsorge zur individuellen Gesundheit der Beschäftigten bei. Die Frage nach einer entsprechenden Nutzung der optischen Kohärenztomographie-Angiographie (OCT-A) und Künstlicher Intelligenz (KI) in Bezug auf Diabetes mellitus in der Arbeitswelt ist deshalb essentiell.

Methodik: Es erfolgte eine systematische Recherche in der medizinischen Literaturdatenbank "PubMed" mit den Suchbegriffen "Optical coherence tomography angiography diabetes employees", um den Einsatz der OCT-A in der Arbeitswelt in Hinblick auf Diabetes mellitus zu analysieren.

Ergebnisse: 27,2% der inkludierten Studien (n=22) nutzten KI-Technologien bei Anwendung der optischen Kohärenztomographie-Angiographie. KI-Schlüsselelemente ermöglichen in Form von Deep Learning-Technologien, z. B. mehrschichtige Convolutional Neural Networks (CNNs), die Extraktion kleiner detaillierter Bildmerkmale am Augenhintergrund durch einzelne Filterschichten, eine Vernetzung auf höherer Ebene und anschließend eine entsprechende Klassifikation der diabetischen Retinopathie. Diagnostische Parameter der OCT-A in Hinblick auf eine diabetische Netzhauterkrankung sind vielfältig, sie umfassen beispielsweise Veränderungen der fovealen avaskulären Zone, Neovaskularisationen, Makulaödeme, Mikroaneurysmen bzw. weitere mikroangiopathische Veränderungen (Einblutungen etc.). CNNs bieten vielfältiges Potential u. a. durch ein frühzeitiges Erkennen von Flüssigkeitsansammlungen, eine Steigerung der Segmentierungsgenauigkeit und Verbesserung der Bildqualität. Die Nutzung von Künstlicher Intelligenz bei der OCT-A kann neben Veränderungen im Bereich des Augenhintergrunds bei Diabetes mellitus auch Pathologien bezüglich einer möglichen Glaukomerkrankung analysieren. Große Datensätze und weitere Studien sind nötig, um diese Technologie als evidenzbasiertes Screening-Tool in Hinblick auf eine Früherkennung diabetischer Veränderungen am Augenhintergrund in der Arbeitswelt zu etablieren.

Schlussfolgerungen: Die möglichen Anwendungen von KI-Tools in Bezug auf Diabetes mellitus sind vielfältig. Deep Learning-Technologien ermöglichen bei der OCT-A vielschichtige Ansatzpunkte, um die Prävention und Früherkennung chronischer Erkrankungen bei Beschäftigten zu fördern. Ganzheitliche arbeitsmedizinische Vorsorge bietet bei Arbeitnehmerinnen und Arbeitnehmern mittels neuer Technologien innovative Chancen in Bezug auf die Früherkennung von Diabetes mellitus in der Arbeitswelt des 21. Jahrhunderts.

Publication History

Article published online:
28 May 2025