Das Verbundprojekt LODE beschäftigt sich mit der Entwicklung und Verbesserung komplexer prädiktiver Computermodelle, mit denen sowohl eine Krankheit diagnostiziert als auch der weitere Krankheitsverlauf unter verschiedenen Therapien vorhergesagt werden kann. Mithilfe der Deep-Learning-Technik sollen Modellverfahren erarbeitet werden, mit denen sich bildbasierte klinische Daten, die über einen längeren Zeitverlauf erhoben wurden, auswerten lassen. Die erfolgreiche Umsetzung eines solchen, in der klinischen Anwendung nutzbaren Deep-Learning-Modells soll im Bereich der Augenheilkunde demonstriert werden.

Es ist geplant, die Arbeiten zunächst auf Bilddaten von Patientinnen und Patienten zu konzentrieren, die an der sogenannten neovaskulären altersbedingten Makula-Degeneration (nAMD) erkrankt sind. Diese Netzhaut-Erkrankung, die bis zur vollständigen Erblindung führen kann, wird nicht nur in Universitätskliniken behandelt, so dass das Projekt neben klinisch kommentierten zwei- und dreidimensionalen Augenbildinformationen auch auf entsprechende Daten niedergelassener Ärztinnen und Ärzte zurückgreifen kann. Auf Basis dieser heterogenen Bilddaten, die u.a. Netzhaut-Bilder, Ultraschallbilder und sogenannte optische Kohärenztomografie-Scans umfassen, sollen dann – unter Korrelation mit den klinischen Befunden und Krankheitsverläufen durch den Einsatz neuer, maßgeschneiderter Deep-Learning-Methoden – Vorhersagemodelle entwickelt werden. Ziel ist es, damit den Krankheitsverlauf bei künftigen nAMD-Patientinnen und -Patienten besser voraussagen und so die jeweils bestmögliche Therapie auswählen bzw. individuell anpassen zu können. Die entwickelten Methoden könnten im Erfolgsfall auf weitere Augenerkrankungen, aber auch auf andere Krankheiten, bei denen bildgebende Verfahren eine tragende Rolle spielen, übertragen werden.