{"id":34629,"date":"2026-03-19T10:03:50","date_gmt":"2026-03-19T10:03:50","guid":{"rendered":"https:\/\/lamarr-institute.org\/?post_type=blog&p=34629"},"modified":"2026-03-19T10:14:11","modified_gmt":"2026-03-19T10:14:11","slug":"ki-basierte-ophthalmologische-videoanalyse","status":"publish","type":"blog","link":"https:\/\/lamarr-institute.org\/de\/blog\/ki-basierte-ophthalmologische-videoanalyse\/","title":{"rendered":"Mehr sehen, besser versorgen: KI-basierte ophthalmologische Videoanalyse f\u00fcr die globale Augenheilkunde"},"content":{"rendered":"\n

W\u00e4hrend medizinisches Wissen, Diagnosetechnologien und Behandlungsm\u00f6glichkeiten immer weiter voranschreiten, gibt es in weiten Teilen der Welt nach wie vor strukturelle Einschr\u00e4nkungen beim Zugang zur Augenversorgung. Vermeidbare oder behandelbare Erkrankungen wie diabetische Retinopathie und Katarakte geh\u00f6ren weltweit nach wie vor zu den h\u00e4ufigsten Ursachen f\u00fcr Sehbehinderungen und Erblindung, wobei die Belastung in L\u00e4ndern mit niedrigem und mittlerem Einkommen am h\u00f6chsten ist. Die begrenzte Verf\u00fcgbarkeit von ausgebildeten Fach\u00e4rzten, infrastrukturelle Einschr\u00e4nkungen und logistische Hindernisse schr\u00e4nken weiterhin die Fr\u00fcherkennung und systematische Qualit\u00e4tssicherung ein.<\/p>\n\n\n\n

Die Forschung bei Lamarr (Prof. Dr. Thomas Schultz) in enger Zusammenarbeit mit dem Universit\u00e4tsklinikum Bonn (PD Dr. Maximilian Wintergerst), der Sankara Eye Foundation Indien (Dr. Kaushik Murali) und Microsoft Research Indien (Mohit Jain, PhD) geht diese Herausforderungen mit einer KI-basierten ophthalmologischen Videoanalyse an. Der Ansatz kombiniert kosteng\u00fcnstige Bild- und Videoaufnahmen \u2013 wie beispielsweise Smartphone-basierte Netzhautaufnahmen \u2013 mit automatisierter Videoanalyse auf Basis k\u00fcnstlicher Intelligenz und maschinellem Lernen. Ziel ist es, vorhandene Diagnose- und Operationsdaten besser zug\u00e4nglich und interpretierbar zu machen, insbesondere in Umgebungen, in denen die konventionelle Infrastruktur begrenzt ist.<\/p>\n\n\n\n

<\/div>\n\n\n\n
\"-\n\t\t\t\n\t\t\t\t\n\t\t\t<\/svg>\n\t\t<\/button>
Benutzeroberfl\u00e4che des entwickelten KI-Systems zur Analyse von Netzhautvideos und Unterst\u00fctzung der Diagnostik. \u00a9 Universit\u00e4tsklinikum Bonn und Sankara Eye Foundation India.<\/figcaption><\/figure>\n\n\n\n
<\/div>\n\n\n\n


KI-basierte ophthalmologische Videoanalyse f\u00fcr Screening auf diabetische Retinopathie \u2013 Verbesserter Zugang zur augen\u00e4rztlichen Versorgung<\/h2>\n\n\n\n

Eine M\u00f6glichkeit, wie die KI-basierte ophthalmologische Videoanalyse die Gesundheitsversorgung im globalen S\u00fcden verbessern kann, ist die Erweiterung des Zugangs zu routinem\u00e4\u00dfigen Augenuntersuchungen. In vielen Regionen sind die M\u00f6glichkeiten f\u00fcr Vorsorgeuntersuchungen aufgrund des Mangels an ausgebildeten Fach\u00e4rzten, langer Anfahrtswege und hoher Untersuchungskosten nach wie vor begrenzt. Die diabetische Retinopathie ist ein prominentes Beispiel daf\u00fcr, dass systematische Vorsorgeuntersuchungen unerl\u00e4sslich, aber nicht durchg\u00e4ngig verf\u00fcgbar sind.<\/p>\n\n\n\n

Die diabetische Retinopathie ist eine h\u00e4ufige und schwerwiegende Komplikation von Diabetes. Sie sch\u00e4digt die die kleinen Blutgef\u00e4\u00dfe der Netzhaut, dem lichtempfindlichen Gewebe im Augenhintergrund. Im Fr\u00fchstadium verursacht die Krankheit oft keine erkennbaren Symptome. Ein Verlust der Sehkraft tritt in der Regel erst in fortgeschrittenen Stadien auf, in denen die Behandlung komplexer und weniger wirksam ist. Daher ist die diabetische Retinopathie weltweit nach wie vor eine der Hauptursachen f\u00fcr vermeidbare Erblindung. Durch regelm\u00e4\u00dfige Vorsorgeuntersuchungen k\u00f6nnen \u00c4rzte charakteristische Ver\u00e4nderungen der Netzhaut lange vor dem Einsetzen einer Sehbeeintr\u00e4chtigung erkennen, wenn eine Behandlung noch m\u00f6glich ist.<\/p>\n\n\n\n

In L\u00e4ndern mit hohem Einkommen werden im Rahmen telemedizinischer Vorsorgeprogramme zur Erkennung der diabetischen Retinopathie mit speziellen Kameras Bilder der Netzhaut aufgenommen. Diese Bilder werden von Augen\u00e4rzten oder geschulten Gutachtern ausgewertet. Seit einigen Jahren stehen zertifizierte KI-basierte medizinische Ger\u00e4te zur Verf\u00fcgung, die die Beurteilung der Bildqualit\u00e4t und die bildbasierte Diagnose automatisieren. Sie zeigen, dass eine automatisierte Analyse sicher und \u00e4hnlich genau ist wie die Befundung durch Experten. Diese Systeme sind jedoch auf relativ gro\u00dfe und kostspielige Hardware angewiesen, was ihre Anwendbarkeit in ressourcenarmen Umgebungen, insbesondere in abgelegenen oder l\u00e4ndlichen Gebieten, einschr\u00e4nkt.<\/p>\n\n\n\n

Smartphone-basierte Systeme zur Darstellung der Netzhaut haben sich als vielversprechende portable und vergleichsweise kosteng\u00fcnstige Alternative herausgestellt und eignen sich ideal f\u00fcr den Einsatz in L\u00e4ndern mit niedrigem und mittlerem Einkommen. Bereits Standard-Smartphones liefern eine f\u00fcr die Diagnose nutzbare Bildqualit\u00e4t, wenn man sie mit speziellen optischen Adaptern ausstattet, die auch in kosteng\u00fcnstigen Varianten erh\u00e4ltlich sind. Eine solche Ausr\u00fcstung l\u00e4sst sich leicht transportieren und er\u00f6ffnet neue M\u00f6glichkeiten f\u00fcr die Fr\u00fcherkennung in Umgebungen, in denen derzeit keine herk\u00f6mmliche Bildgebungsinfrastruktur verf\u00fcgbar ist.<\/p>\n\n\n\n

<\/div>\n\n\n\n
\"-\n\t\t\t\n\t\t\t\t\n\t\t\t<\/svg>\n\t\t<\/button>
Smartphone-basiertes System zur Aufnahme von Netzhautbildern als kosteng\u00fcnstige Alternative zu station\u00e4ren Ger\u00e4ten. \u00a9 Universit\u00e4tsklinikum Bonn und Sankara Eye Foundation India.<\/figcaption><\/figure>\n\n\n\n
<\/div>\n\n\n\n

Dennoch stellt es eine gewisse Herausforderung dar, mit solch einer Ausr\u00fcstung einzelne hochwertige Bilder der peripheren Netzhautbereiche zu erhalten, wie sie traditionell f\u00fcr die Diagnose erforderlich sind \u2013 insbesondere, wenn die Untersuchungen nicht von Spezialisten oder unter Zeitdruck durchgef\u00fchrt werden. Die Aufnahme mehrerer Bilder und die manuelle Auswahl der geeignetsten Bilder erfordert Erfahrung und verl\u00e4ngert die Untersuchungszeit. Aus diesem Grund konzentrieren sich die laufenden Arbeiten bei Lamarr und der Universit\u00e4tsklinik Bonn in Zusammenarbeit mit verschiedenen Partnern in L\u00e4ndern mit niedrigem und mittlerem Einkommen (Sankara Eye Foundation Indien, University of Calabar Teaching Hospital, Nigeria, Organization for Rural Community Development Bangladesh und University of Cape Coast, Ghana) auf die Entwicklung eines Systems, das die F\u00e4higkeit moderner Smartphones nutzt, kurze Netzhautvideos aufzunehmen, w\u00e4hrend der Untersucher den Fokus einstellt und verschiedene Netzhautbereiche scannt.<\/p>\n\n\n\n

Um dem Nutzer die aufw\u00e4ndige Identifizierung optimaler Bilder abzunehmen, verarbeitet unsere videobasierte Strategie die vollst\u00e4ndigen Sequenzen direkt und automatisch mittels einer KI-basierten Analyse. Zudem enthalten die Videos mehrere Ansichten der Netzhaut, wodurch die Wahrscheinlichkeit steigt, dass diagnostisch relevante Bereiche in mindestens einigen Bildern in ausreichender Qualit\u00e4t erfasst werden. Schlie\u00dflich k\u00f6nnen zeitliche Informationen Algorithmen dabei unterst\u00fctzen, anatomische Merkmale von Artefakten wie Reflexionen oder momentanen Unsch\u00e4rfen zu unterscheiden.<\/p>\n\n\n\n

Durch die Kombination von Smartphone-basierter Bildgebung mit KI-gesteuerter Videoanalyse zielt dieser Ansatz darauf ab, die Untersuchung auf diabetische Retinopathie skalierbarer und breiter verf\u00fcgbar zu machen. Er soll die technischen H\u00fcrden f\u00fcr die Bildaufnahme senken, ohne aufw\u00e4ndige Ausbildung nutzbar sein und die Untersuchung in Umgebungen unterst\u00fctzen, in denen die traditionelle Infrastruktur begrenzt ist. Auf diese Weise k\u00f6nnten derzeit unterversorgte Bev\u00f6lkerungsgruppen Zugang zu einer fr\u00fchzeitigen Diagnose erhalten, was eine rechtzeitige Behandlung erm\u00f6glicht und das Risiko eines vermeidbaren Sehverlusts verringert.<\/p>\n\n\n\n

Die Finanzierung erfolgt durch die Else Kr\u00f6ner-Fresenius-Stiftung (F\u00f6rderlinie \u201eDigitale Gesundheit in Entwicklungsl\u00e4ndern\u201d) und das Bundesministerium f\u00fcr wirtschaftliche Zusammenarbeit und Entwicklung (F\u00f6rderlinie \u201eKlinikpartnerschaften Global\u201d).<\/p>\n\n\n\n


Wenn die KI Chirurgen \u00fcber die Schulter schaut \u2013 KI-basierte ophthalmologische Videoanalyse in der Kataraktchirurgie<\/h2>\n\n\n\n

Wir haben gesehen, wie die automatisierte Analyse visueller Daten die Diagnose unterst\u00fctzen kann. Die gleichen Prinzipien der KI-basierten ophthalmologischen Videoanalyse gelten auch im chirurgischen Umfeld. Als zweite Anwendung untersuchen wir, wie \u00e4hnliche Ideen die Kataraktchirurgie verbessern k\u00f6nnen, insbesondere in ressourcenarmen Umgebungen.<\/p>\n\n\n\n

<\/div>\n\n\n\n
\"-\n\t\t\t\n\t\t\t\t\n\t\t\t<\/svg>\n\t\t<\/button>
Aufzeichnung einer Kataraktoperation: Solche Videos dienen als Datengrundlage f\u00fcr KI-gest\u00fctzte Qualit\u00e4tsanalyse. \u00a9 Universit\u00e4tsklinikum Bonn und Sankara Eye Foundation India.<\/figcaption><\/figure>\n\n\n\n
<\/div>\n\n\n\n

Der Graue Star ist eine Tr\u00fcbung der nat\u00fcrlichen Linse des menschlichen Auges. Er entwickelt sich h\u00e4ufig mit zunehmendem Alter, kann aber auch im Zusammenhang mit anderen Erkrankungen, darunter Diabetes, auftreten. Die Erkrankung f\u00fchrt zu verschwommenem Sehen und erh\u00f6hter Lichtempfindlichkeit und ist in fortgeschrittenen Stadien nach wie vor eine der weltweit h\u00e4ufigsten Ursachen f\u00fcr Erblindung. Die einzige wirksame Behandlung ist der chirurgische Ersatz der getr\u00fcbten Linse durch eine k\u00fcnstliche Intraokularlinse. Die Kataraktoperation ist daher weltweit einer der h\u00e4ufigsten chirurgischen Eingriffe.<\/p>\n\n\n\n

In L\u00e4ndern mit hohem Einkommen wird die Kataraktoperation in der Regel mit der sogenannten Phakoemulsifikation durchgef\u00fchrt, bei der die getr\u00fcbte Linse mit einer Ultraschallsonde zertr\u00fcmmert wird. Dies erfordert spezialisierte und vergleichsweise teure Ger\u00e4te, umfangreiche Schulungen, strukturierte Qualit\u00e4tskontrollen und postoperative Nachsorgen, f\u00fchrt daf\u00fcr in der Regel aber zu hervorragenden Operationsergebnissen und niedrigen Komplikationsraten. In vielen L\u00e4ndern mit niedrigem und mittlerem Einkommen m\u00fcssen viele Patienten in kurzer Zeit behandelt werden. Dies erfolgt in der Regel mit der kosteng\u00fcnstigeren manuellen Small-Incision-Technik (engl. Small-Incision Cataract Surgery, SICS), bei der die Linse in einem St\u00fcck entfernt wird.<\/p>\n\n\n\n

Die Notwendigkeit in kurzer Zeit viele solcher Operationen durchzuf\u00fchren bringt Herausforderungen f\u00fcr die Ausbildung, Qualit\u00e4tssicherung und kontinuierliche Verbesserung mit sich. In diesem Zusammenhang stellen Videoaufzeichnungen ein ungenutztes Potenzial dar, das durch die laufende Zusammenarbeit zwischen Lamarr, dem Universit\u00e4tsklinikum Bonn, der Sankara Eye Foundation India und Microsoft Research India genutzt werden soll.
Da Kataraktoperationen unter einem Operationsmikroskop durchgef\u00fchrt werden lassen sie sich leicht auf Video aufzeichnen. Diese Aufzeichnungen enthalten detaillierte Informationen \u00fcber den Ablauf der Operation, den Einsatz der Instrumente und Ereignisse, die mit Komplikationen oder suboptimalen Ergebnissen in Verbindung stehen. Dennoch werden die meisten Operationsvideos nur selektiv \u00fcberpr\u00fcft \u2013 beispielsweise im Falle von Komplikationen oder zu Lehrzwecken. Die schiere Menge solcher Videos macht eine systematische manuelle Analyse unm\u00f6glich.<\/p>\n\n\n\n

Hier kommt die automatisierte Videoanalyse ins Spiel. Durch die Analyse von Operationsvideos k\u00f6nnen KI-Systeme die \u00dcberwachung der Operationsleistung unterst\u00fctzen, Abweichungen von Standardabl\u00e4ufen identifizieren und fr\u00fche Risikoindikatoren erkennen. Eine solche postoperative Analyse kann die Ausbildung von Nachwuchs\u00e4rzten unterst\u00fctzen, aber auch erfahrenen \u00c4rzten ein objektives Feedback geben und zur Qualit\u00e4tssicherung auf Ebene gesamter Operationsprogramme beitragen.<\/p>\n\n\n\n

Eine grundlegende Aufgabe bei der Analyse solcher Videos ist die Erkennung von OP-Phasen. Sie soll identifizieren, welcher Schritt des Eingriffs gerade durchgef\u00fchrt wird \u2013 beispielsweise der Schnitt, die Entfernung der getr\u00fcbten Linse oder die Implantation der Intraokularlinse. Fr\u00fchere Arbeiten hierzu haben sich auf die Phakoemulsifikation beschr\u00e4nkt, die vorwiegend in L\u00e4ndern mit hohem Einkommen zum Einsatz kommt. Wir haben dagegen den ersten Ansatz zur Phasenerkennung in SICS-Videos vorgestellt. Unsere Ergebnisse deuten darauf hin, dass diese Umgebung aufgrund der gr\u00f6\u00dferen Anzahl von Phasen und der l\u00e4ngeren Gesamtdauer des Eingriffs eine gr\u00f6\u00dfere Herausforderung darstellt. Um die Forschung in diesem Bereich voranzutreiben, haben wir einen internationalen Wettbewerb organisiert, bei dem erstmals ein gro\u00dfer annotierter Datensatz mit SICS-Videos der breiteren wissenschaftlichen Gemeinschaft zur Verf\u00fcgung gestellt wurde. Beitr\u00e4ge aus vier verschiedenen Kontinenten f\u00fchrten zu einem neuartigen Ansatz, der die j\u00fcngsten Fortschritte bei Basismodellen (engl. Foundation models) und aufmerksamkeitsbasierter zeitlicher Modellierung nutzt und die Genauigkeit nicht nur f\u00fcr SICS, sondern auch f\u00fcr bestehende Datens\u00e4tze zur Phakoemulsifikation erh\u00f6ht.<\/p>\n\n\n\n

Die Phasenerkennung wird oft getrennt von der Instrumentensegmentierung untersucht, bei der es darum geht, die w\u00e4hrend der Operation verwendeten chirurgischen Instrumente zu identifizieren und zu lokalisieren. Unsere j\u00fcngsten Arbeiten untersuchen die M\u00f6glichkeiten, die sich aus ihrer nat\u00fcrlichen gegenseitigen Abh\u00e4ngigkeit ergeben. Bestimmte Instrumente werden in der Regel in bestimmten Phasen der Operation verwendet, und \u00c4nderungen in der Instrumentennutzung signalisieren oft \u00dcberg\u00e4nge zwischen den Phasen. Wir zeigen, dass KI-Systeme, die diese Muster des gemeinsamen Auftretens von Instrumenten und Phasen ber\u00fccksichtigen, eine robustere und genauere Analyse erzielen k\u00f6nnen als Systeme, die jede Aufgabe isoliert betrachten.<\/p>\n\n\n\n

\u00dcber die Verbesserung der algorithmischen Leistung hinaus unterst\u00fctzt diese gemeinsame Analyse auch eine klinisch aussagekr\u00e4ftige Interpretation. Beispielsweise kann eine unerwartete Instrumentennutzung innerhalb einer bestimmten Phase oder eine verl\u00e4ngerte Dauer bestimmter Phasen auf technische Schwierigkeiten oder ein erh\u00f6htes Komplikationsrisiko hinweisen und so sowohl einzelnen Chirurgen als auch der gesamten Abteilung strukturiertes Feedback liefern.<\/p>\n\n\n\n

Unser derzeitiger Schwerpunkt liegt auf der postoperativen Videoanalyse. Die gleichen Technologien er\u00f6ffnen jedoch auch Perspektiven f\u00fcr die Echtzeitunterst\u00fctzung im Operationssaal. Grunds\u00e4tzlich k\u00f6nnten KI-Systeme den Operationsverlauf in Echtzeit \u00fcberwachen, kontextbezogene Anweisungen geben oder Chirurgen und Vorgesetzte auf potenzielle Probleme aufmerksam machen, bevor diese eskalieren. Die Entwicklung solcher Systeme erfordert nicht nur technische Fortschritte, sondern auch einen ethischen und regulatorischen Rahmen. All dies ist Teil unserer laufenden Arbeit.<\/p>\n\n\n\n


Auswirkungen auf die klinische Praxis und die Gesundheitsversorgung<\/h2>\n\n\n\n

Zusammenfassend zeigen die Beispiele des Screenings f\u00fcr diabetische Retinopathie und der Videoanalyse bei Kataraktoperationen, wie die Kombination von tragbaren und kosteng\u00fcnstigen Bild- oder Videoaufnahmeger\u00e4ten mit maschinellem Lernen die Patientenversorgung unterst\u00fctzen kann, insbesondere in Bereichen mit begrenzten Ressourcen.<\/p>\n\n\n\n

Bei der Untersuchung auf diabetische Retinopathie senkt die Smartphone-basierte Videoanalyse die H\u00fcrden f\u00fcr eine fr\u00fchzeitige Diagnose und macht die Untersuchung f\u00fcr unterversorgte Bev\u00f6lkerungsgruppen zug\u00e4nglicher. Bei Kataraktoperationen unterst\u00fctzt die automatisierte postoperative Videoanalyse die Ausbildung, \u00dcberwachung und Qualit\u00e4tssicherung in klinischen Einrichtungen mit hohem Patientenaufkommen und tr\u00e4gt so zu besseren Behandlungsergebnissen und einer h\u00f6heren Betriebseffizienz bei. In beiden Szenarien erg\u00e4nzt KI das menschliche Fachwissen, indem sie \u00c4rzten objektives, strukturiertes und datengest\u00fctztes Feedback liefert, das in klinische Entscheidungen und Behandlungen einflie\u00dft.<\/p>\n\n\n\n

<\/a>Bei all diesen Beispielen fallen medizinische Daten an, deren Umfang die M\u00f6glichkeiten einer manuellen \u00dcberpr\u00fcfung \u00fcbersteigt, die jedoch durch KI-basierte Systeme interpretierbar und verwertbar gemacht werden k\u00f6nnen. In L\u00e4ndern mit niedrigem und mittlerem Einkommen kann dies dazu beitragen, Infrastruktur- und Personalengp\u00e4sse zu beheben und den Zugang zu hochwertiger Versorgung dort zu verbessern, wo sie am dringendsten ben\u00f6tigt wird. Gleichzeitig k\u00f6nnen \u00e4hnliche Instrumente selbst in Gesundheitssystemen mit hohem Einkommen die Effizienz steigern, die Arbeitsbelastung der \u00c4rzte verringern, die Qualit\u00e4tsbewertung standardisieren und die kontinuierliche Verbesserung sowohl der diagnostischen als auch der chirurgischen Praxis unterst\u00fctzen. Auf diese Weise tragen solche Systeme zu einer gerechteren, effizienteren und pr\u00e4ziseren Gesundheitsversorgung bei und haben das Potenzial, die Ergebnisse f\u00fcr Patienten auf der ganzen Welt zu verbessern.<\/p>\n","protected":false},"excerpt":{"rendered":"

KI-gest\u00fctzte Videoanalyse erm\u00f6glicht skalierbare Augenscreenings und verbessert Kataraktoperationen \u2013 mithilfe einfacher Smartphone-Technologie.<\/p>\n","protected":false},"author":14,"featured_media":34628,"template":"","meta":{"_acf_changed":false,"footnotes":""},"blog-category":[1416,546],"blog-tag":[],"class_list":["post-34629","blog","type-blog","status-publish","has-post-thumbnail","hentry","blog-category-alle-blogbeitraege","blog-category-anwendung"],"acf":[],"publishpress_future_workflow_manual_trigger":{"enabledWorkflows":[]},"_links":{"self":[{"href":"https:\/\/lamarr-institute.org\/de\/wp-json\/wp\/v2\/blog\/34629","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/lamarr-institute.org\/de\/wp-json\/wp\/v2\/blog"}],"about":[{"href":"https:\/\/lamarr-institute.org\/de\/wp-json\/wp\/v2\/types\/blog"}],"author":[{"embeddable":true,"href":"https:\/\/lamarr-institute.org\/de\/wp-json\/wp\/v2\/users\/14"}],"version-history":[{"count":0,"href":"https:\/\/lamarr-institute.org\/de\/wp-json\/wp\/v2\/blog\/34629\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/lamarr-institute.org\/de\/wp-json\/wp\/v2\/media\/34628"}],"wp:attachment":[{"href":"https:\/\/lamarr-institute.org\/de\/wp-json\/wp\/v2\/media?parent=34629"}],"wp:term":[{"taxonomy":"blog-category","embeddable":true,"href":"https:\/\/lamarr-institute.org\/de\/wp-json\/wp\/v2\/blog-category?post=34629"},{"taxonomy":"blog-tag","embeddable":true,"href":"https:\/\/lamarr-institute.org\/de\/wp-json\/wp\/v2\/blog-tag?post=34629"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}