Der Verlauf der retinalen Mikrozirkulationsbildgebung: Von der Angiographie zur künstlichen Intelligenz

Zusammenfassung

Diese Übersicht zeichnet die technologische und konzeptionelle Entwicklung der Bewertung der okularen Mikrozirkulation nach. Es analysiert den Paradigmenwechsel von invasiver, farbstoffbasierter Angiographie hin zu nicht-invasiven, quantitativen Bildgebenden. Die zukünftige Integration multimodaler Daten mit künstlicher Intelligenz zur Erstellung prädiktiver, personalisierter Diagnosemodelle wird als nächste Grenze hervorgehoben.

Zusammenfassung

Netzhaut- und choroidale Mikrozirkulation sind hochspezialisierte Gefäßnetzwerke, die für das Sehvermögen unerlässlich sind und zunehmend als Indikatoren für systemische Erkrankungen anerkannt werden. Jahrzehntelang stützte sich seine Bewertung auf invasive farbstoffbasierte Angiographie, die Pathologie aus sekundären Effekten wie vaskulärem Lecken ableitet. Ein Paradigmenwechsel ist nun im Gange, angetrieben durch nicht-invasive Bildgebende Verfahren, die die Mikrovaskulatur mit beispielloser Auflösung direkt visualisieren und quantifizieren. An erster Stelle steht die optische Kohärenztomographie (Angiographie), die tiefenaufgelöste, dreidimensionale Karten perfundierter Gefäße liefert und so die Erzeugung objektiver Biomarker für Gefäßintegrität und Ischämie ermöglicht. Komplementäre Techniken untersuchen zudem den absoluten Blutfluss, hochfrequente Hämodynamik und zelluläre Perfusion und schaffen so einen reichhaltigen, multiskaligen Datensatz. Diese technologische Entwicklung transformiert die klinische Praxis, erleichtert die präklinische Erkennung diabetischer Retinopathie, verfeinert therapeutische Strategien für neovaskuläre altersbedingte Makuladegeneration und liefert neue Einblicke in die vaskulären Beiträge zum Glaukom. Mit Blick auf die Zukunft verspricht die Integration dieser multimodalen Datenströme mit künstlicher Intelligenz, den Informationsreichtum in prädiktive Modelle für Krankheitsrisiko und -fortschreitung umzuwandeln. Dies markiert eine neue Ära in der Präzisionsaugenheilkunde und Okulomik (die groß angelegte, datengetriebene Analyse von okularen Bildgebungs-Biomarkern zur Bewertung der systemischen Gesundheit und zur Vorhersage des Krankheitsrisikos) mit transformativen Fortschritten bei Verarbeitung, Quantifizierung und Zugang.

Einleitung

Die Mikrozirkulation, bestehend aus Arteriolen, Kapillaren und Venulen mit einem Durchmesser von weniger als 150 μm, stellt die grundlegende Schnittstelle für den Sauerstoff- und Nährstoffaustausch in den Geweben¹. In der okularen Bildgebung erfordert die Definition jedoch eine funktionale Erweiterung. Während die Choriocapillaris die wahre mikrovaskuläre Grenzfläche darstellt, ist ihr hämodynamischer Status mit den größeren Gefäßen der darunterliegenden Sattler- und Haller-Schichten gekoppelt. Daher wird in dieser Übersicht die choroidale Gefäße als integrierte hämodynamische Einheit betrachtet, in der die makrovaskulären Schichten von Sattler- und Haller-Syndrom als vorgelagerte Regulatoren dienen, die die Choriocapillaris-Perfusion und die mikrozirkulatorische Umgebung modulieren. Das Netzwerk des Auges ist komplex und verfügt über ein doppeltes Versorgungssystem zur Netzhaut und eine hochmetabolisch aktive Choroideus, die alle von ausgeklügelten autoregulatorischen Mechanismen gesteuert werden, die für die Erhaltung neuronaler und photorezeptoraler Funktionen unerlässlich sind. Folglich deuten Auffälligkeiten in der retino-choroidalen Mikrozirkulation nicht nur auf lokale ophthalmologische Pathologie hin, sondern wirken auch als starke Biomarker für systemische, vaskuläre, metabolische² und neurodegenerative Erkrankungen³. Das Konzept des Auges als Fenster zur systemischen Gesundheit entwickelt sich von qualitativer klinischer Bewertung zu einer quantifizierbaren diagnostischen Realität, angetrieben von technologischer Innovation⁴.

Historisch beschränkte sich die Beurteilung der (Mikro-)Gefäße auf qualitative, morphologische Beobachtungen mittels Fundusfotografie⁵. Das Aufkommen der farbstoffbasierten Angiographie wie der Fluorescein-Angiographie (FA) und der Indocyaningrün-Angiographie (ICGA) revolutionierte das Fachgebiet und führte eine funktionale Dimension ein, indem sie Perfusionsdynamik und vaskuläre^{Integrität 6} abbildete. Die invasive Natur dieser Techniken und ihre konzeptionelle Abhängigkeit von sekundären pathologischen Phänomenen wie Farbstofflecks stellten jedoch erhebliche Einschränkungen^mit sich. Das letzte Jahrzehnt hat einen zweiten, tiefgreifenderen Paradigmenwechsel erlebt, der durch das Aufkommen nicht-invasiver, hochauflösender und quantitativer Bildgebungstechnologien gekennzeichnet ist. Angeführt von der optischen Kohärenztomographie (OCTA) visualisieren diese Methoden die Mikrovaskulatur direkt durch Bewegungskontrast, liefern beispiellose strukturelle Details und ermöglichen eine objektive Quantifizierung von Parametern wie Gefäßdichte (VD) und Perfusionsfläche ^8,9,10. Diese Übersichtsanalyse zielt darauf ab, technologische und konzeptionelle Entwicklung zu analysieren (Tabelle 1) und die Prinzipien, Vorteile sowie Einschränkungen etablierter und aufkommender Techniken zu vergleichen, deren klinischen Nutzen in wichtigen Krankheitszuständen zu bewerten und die zukünftige Landschaft zu erkunden, in der multimodale Datenfusion und künstliche Intelligenz (KI) bereitstehen, den diagnostischen und prognostischen Rahmen für okulare und systemische Erkrankungen neu zu definieren.

Tabelle 1: Vergleich der Mikrozirkulationsbewertungstechnologien im hinteren Segment. Die primären bildgebenden Modalitäten werden in mehreren Schlüsselbereichen verglichen, darunter ihre Funktionsprinzipien, Invasivität, wichtige Ausgangsparameter, räumliche und zeitliche Auflösung, primäre klinische Anwendungen sowie grundlegende Vorteile und Einschränkungen. Abkürzungen: FA = Fluorescein-Angiographie; ICGA = Indocyanin-grüne Angiographie; OCTA = optische Kohärenztomographie, Angiographie; DOCT = Doppler-optische Kohärenztomographie; LSFG = Laser-Speckle-Flowgraphie; AOSLO = adaptive Optik scannende Ophthalmoskopie; VD = Gefäßdichte; FAZ = foveale avaskuläre Zone; MBR = mittlere Unschärferate. Bitte klicken Sie hier, um diese Tabelle herunterzuladen.

Protokoll

Farbstoffbasierte Angiographie als grundlegender Goldstandard
Seit Jahrzehnten ist die farbstoffbasierte Angiographie das Fundament der Diagnose von Netzhautgefäßerkrankungen. Die Fluorescin-Angiographie (FA) basiert auf der intravenösen Injektion von Natriumfluorescein, einem kleinen Molekül, das aus Gefäßen mit einer geschwächten Blut-Netzhaut-Schranke (BRB) austritt und so Hyperfluoreszenz erzeugt, die das Markenzeichen aktiver Erkrankungen ist. Seine Fähigkeit, Leckage zu visualisieren, bleibt eine einzigartige und unverzichtbare Stärke und macht sie zum Goldstandard zur Bewertung der BRB-Integrität und Krankheitsaktivität – eine Fähigkeit, die OCTA derzeit fehlt. Darüber hinaus bietet Ultra-Widefield-(UWF) FA einen Panoramablick auf die periphere Netzhaut, was für die Behandlung von Erkrankungen wie diabetischer Retinopathie (DR) und Netzhautvenenokklusion (RVO) entscheidend ist. Die Indocyaningrüne Angiographie (ICGA) verwendet einen größeren, proteingebundenen Farbstoff, der größtenteils im Choriocapillaris¹¹ verbleibt. Seine nahe infrarote Fluoreszenz durchdringt pigmentierte Strukturen wie das retinale Pigmentepithel (RPE) und ist damit das maßgebliche Werkzeug zur Visualisierung der choroidalen Zirkulation und zur Diagnose von Pathologien wie polypoidaler choroidaler Vaskulopathie (PCV) und okkult¹².

Die Hauptbegrenzung beider Techniken ist ihre Invasivität, die ein Risiko unerwünschter Reaktionen birgt und deren Anwendung für häufige Überwachung einschränkt. Ihre Einschränkung ist jedoch konzeptionell. Diese Technologien definieren Pathologie anhand ihrer sekundären Effekte, Leckage (FA) oder Fülldefekte (ICGA), anstatt durch die Visualisierung der primären Gefäßstruktur selbst. In vielen Fällen kann ein schweres Leck den neovaskulären Komplex verdecken, der untersucht und behandelt wird. Diese grundlegende Einschränkung schuf einen klaren klinischen Bedarf an einer Technologie, die die Gefäßstruktur direkt abbilden konnte, unabhängig von ihrem funktionellen Zustand, und ebnete damit den Weg für die OCTA-Revolution.

Der Paradigmenwechsel zur optischen Kohärenztomographie Angiographie
Die optische Kohärenztomographie (OCTA) stellt eine funktionale Erweiterung der strukturellen optischen Kohärenztomographie (OCT) dar und erzeugt dreidimensionale Karten des Blutflusses ohne Farbstoffinjektion. Es funktioniert nach dem Prinzip des Bewegungskontrasts und verwendet hochgeschwindigkeits, wiederholte OCT-B-Scans an derselben Stelle, um die durch bewegte rote Blutkörperchen verursachte Signaldekoration zu erkennen. Durch die Isolierung dieser dekorativen Signale rekonstruiert OCTA das perfundierte Gefäßnetz mit außergewöhnlicher Detailgenauigkeit¹³.

Die revolutionäre Wirkung dieser Technologie beruht auf mehreren wesentlichen technischen Vorteilen. Seine nicht-invasive Natur ermöglicht schnelle, sichere und häufige Bildgebung und wandelt das Management chronischer Krankheiten von episodischer Intervention hin zu kontinuierlicher Überwachung¹⁴. Durch die Bereitstellung von tiefenaufgelösten, dreidimensionalen Daten ermöglicht die Technologie auch die Segmentierung und unabhängige Analyse unterschiedlicher vaskulärer Plexusse (z. B. oberflächliche und tiefe retinale Kapillarplexuse, Choriocapillaris), wodurch tiefenspezifische Pathologie offenbart wird, die für zweidimensionales FA¹⁵ unsichtbar ist. Vielleicht ist ihr entscheidendster Beitrag ihre von Natur aus quantitative Natur. OCTA erzeugt objektive und wiederholbare Biomarker der mikrovaskulären Gesundheit¹⁶, einschließlich VD, der den Anteil der Gewebefläche misst, der von perfundierten Gefäßen eingenommen wird; Parameter der fovealen avaskulären Zone (FAZ), einer physiologisch avaskulären Region, deren Vergrößerung oder Unregelmäßigkeit als sensibler Indikator für parafoveale Ischämie^{dient 17}; und Perfusionsdichte (PD)¹⁸. Durch bildgebenden Fluss statt Farbstoff wird OCTA nicht durch Leckagen behindert, was eine präzise Abgrenzung neovaskulärer Komplexe unter Bedingungen wie feuchter altersbedingter Makuladegeneration (AMD)¹⁹ ermöglicht.

Trotz seiner Vorteile hat OCTA Einschränkungen. Sein Sichtfeld ist typischerweise kleiner als das von UWF-FA, wobei sich dies mit Montage- und Swept-Source-Technologien verbessert. Sie ist anfällig für Artefakte, darunter Bewegungsartefakte aus Patientenbewegungen und Projektionsartefakte, bei denen Signale von oberflächlichen Gefäßen fälschlicherweise auf tiefere Schichten abgebildet werden. Darüber hinaus hängt die Bildqualität von OCTA stark von der Signalstärke ab und wird leicht durch Medienopazitäten wie Grauen Star oder Glaskörperblutungen beeinträchtigt, was zu Segmentierungsfehlern führen kann. Am bedeutendsten ist, dass OCTA keine Leckage erkennen kann, den wichtigsten Indikator für entzündliche Aktivität und den Zerfall von BRB. Schließlich ist die Technologie durch ihre Detektionsschwellenwerte begrenzt; es kann Gefäße mit extrem langsamem oder niedrigem Fluss nicht visualisieren, die unter dem Decorrelation-Rauschboden liegen, was möglicherweise die Prävalenz von Läsionen wie Mikroaneurysmen im Vergleich zu FA unterschätzt.

Das Streben nach absolutem Fluss und höherer Auflösung
Obwohl OCTA die morphologische Visualisierung mikrovaskulärer Netzwerke revolutioniert hat, bleibt es grundlegend begrenzt durch seine Unfähigkeit, die absolute Blutflussgeschwindigkeit zu quantifizieren. Standard-OCTA liefert binäre Informationen, Fluss versus Nicht-Fluss oder relative Intensitätsmetriken, kann aber die tatsächliche Geschwindigkeit der Erythrozytenbewegung nicht bestimmen. Die quantitative Lücke unterstützt die anhaltende Relevanz der Doppler-Optische Kohärenztomographie (DOCT). Im Gegensatz zum amplitudenbasierten OCTA nutzt DOCT die Phasenverschiebung des rückgestreuten Lichts, um die absolute Strömungsgeschwindigkeit zu berechnen. Während OCTA eine Surrogatkarte der Perfusion bietet, zielen andere Technologien darauf ab, den Blutfluss direkter oder mit größerer Auflösung zu messen. DOCT ist eine OCT-basierte Technik, die die Doppler-Frequenzverschiebung von von bewegten Erythrozyten zurückgestreuten Licht misst, um die Blutflussgeschwindigkeit^20,21 zu berechnen. Durch die Kombination von Geschwindigkeit und Gefäßquerschnitt kann DOCT eine absolute Quantifizierung des Blutflusses (in μL/min) in einzelnen Netzhautgefäßen ^22,23 liefern, was die direktesten physiologischen Daten liefert, aber sein klinischer Nutzen wurde durch seine Abhängigkeit vom Dopplerwinkel, dem Winkel zwischen Bildstrahl und Gefäß, stark beeinträchtigt. Eine ungenaue Winkelschätzung führt zu erheblichen Fehlern bei der Strömungsberechnung, was die Technik herausfordernd macht und ihre breite Verbreitung einschränkt. Der Kontrast zwischen dem weitverbreiteten klinischen Erfolg von OCTA und der Nischenforschungsrolle von DOCT verdeutlicht ein zentrales Prinzip in der Entwicklung der Medizintechnik: Ein reproduzierbarer, wenn auch indirekter Biomarker (wie VD von OCTA) ist oft klinisch wertvoller als eine direkte, aber technisch anspruchsvolle Messung (wie der absolute Fluss von DOCT).

Zwei weitere optische Techniken verschieben die Grenzen sowohl zeitlicher als auch räumlicher Auflösung. Laser-Speckle-Flowgraphy (LSFG) erstellt Echtzeit-Karten der relativen Blutflussgeschwindigkeit durch das Unschärfen eines Laser-Speckle-Musters^24,25. Der Hauptvorteil von LSFG ist eine hervorragende zeitliche Auflösung von etwa 30 Hz, die die Pulsatilität des Blutflusses über den^{Herzzyklus 26} ermöglicht. Diese Fähigkeit etabliert LSFG als leistungsstarkes Werkzeug zur Untersuchung der vaskulären Autoregulation und der Blutflussdynamik²⁷, insbesondere im Glaukom²⁴, wo veränderter okularer Perfusionsdruck und Pulsatilität an der Pathogenese beteiligt sind. Hauptnachteile sind der Mangel an Tiefenauflösung, da retinale und choroidale Signale überlagert sind, sowie die Bereitstellung einer relativen Metrik, der mittleren Unschärferate (MBR), anstelle des absoluten^{Durchflusses von 28}. Am anderen Ende des Spektrums erreicht die adaptive optische Scanning-Ophthalmoskopie (AOSLO) eine beugungsbegrenzte Bildgebung, indem sie einen Wellenfrontsensor und einen verformbaren Spiegel kombiniert, um die optischen Aberrationen des Auges²⁹ zu korrigieren. Es wird eine unvergleichliche räumliche Auflösung erreicht, was die Visualisierung einzelner Photorezeptoren, Nervenfasern³⁰ und sogar einzelner Blutzellen ermöglicht, die durch die feinsten Kapillaren³¹ fließen. Als Werkzeug für die Grundlagenforschung bietet AOSLO einen zellulären Überblick über die mikrozirkulationstheoretische Pathophysiologie. Ein enges Sichtfeld, hohe Kosten und Komplexität schränken jedoch die Anwendung von AOSLO auf spezialisierte Forschungszentren ein. Der Kontrast zwischen LSFG und AOSLO verdeutlicht den grundlegenden Kompromiss in der Bildgebung zwischen zeitlicher und räumlicher Auflösung; Die eine beantwortet, wann und wie schnell sich der Fluss ändert, während die andere beantwortet, was und wo sich die feinsten Strukturen befinden.

KI-Architekturen für mikrovaskuläre Segmentierung und Rekonstruktion
Die analytische Präzision der retinalen Mikrozirkulation wird grundlegend durch die physikalischen Grenzen von Bildgebungstechnologien begrenzt. Während farbstoffbasierte Angiographie und OCTA visuelle Daten liefern, hat sich KI weiterentwickelt, um die inhärenten Einschränkungen dieser Modalitäten zu überwinden und ein komplementäres diagnostisches System zu schaffen. In der Farbfundusfotografie (CFP), die weiterhin die Hauptmethode für großflächige Screenings bleibt, konzentrieren sich KI-Anwendungen auf die Extraktion makro-vaskulärer topologischer Strukturen. Obwohl CFP nicht über die Tiefenauflösung verfügt, um den tiefen Kapillarplexus zu visualisieren, können KI-Algorithmen Parameter wie das Arteriolen-Venule-Verhältnis (AVR), das Gefäßkaliber und die globale Tortuosität quantifizieren. Im Gegensatz dazu adressiert KI in OTA hochdimensionale Herausforderungen. Deep-Learning-Modelle werden eingesetzt, um Bewegungsartefakte zu eliminieren, Flusssignale zu verbessern und automatisierte Schichtsegmentierung durchzuführen, wodurch die Analyse von der Pixelbeobachtung zur morphologischen Quantifizierung übergeht.

Die Entwicklung von der qualitativen Bildgebung zur quantitativen Analyse beruht auf präziser Gefäßsegmentierung. Netzhautgefäße weisen eine baumartige Bifurkationsstruktur mit mehrskaligen Variationen auf, die in pathologischen Zuständen schwer zu segmentieren sind. Aktuelle Standards nutzen U-Net-Architekturen und deren Varianten. Um dem Verlust kleiner Gefäße in kontrastarmen Regionen entgegenzuwirken, einer kritischen Einschränkung in der Mikrozirkulationsanalyse, wurden Architekturen wie das Enhanced Feature Dynamic Fusion Network (EFDG-UNet) entwickelt. Durch die Einbindung von Merkmalsaggregationsmodulen und adaptiven Residualblöcken erfassen diese Modelle Langstreckenabhängigkeiten und zeigen Robustheit gegenüber Blutungen und Gefäß-Crossovers mit AUC-Werten von 0,9932 auf Standarddatensätzen. Darüber hinaus hat sich die Forschung zur Minderung der Knappheit annotierter mikrovaskulärer Masken hin zu unbeaufsichtigtem Lernen verlagert. Frameworks wie BioVessel-Net integrieren vaskuläre Biostatistik mit generativen adversarialen Netzwerken (GANs) und setzen Raumkolonisierungsalgorithmen ein, um topologische Konsistenz zu gewährleisten, ohne auf großflächige manuelle Annotation angewiesen zu sein.

Klinische Anwendung als krankheitsspezifische, multimodale Strategie
Das optimale diagnostische Paradigma ist kein umfassender Ersatz einer Technologie durch eine andere, sondern vielmehr eine ausgefeilte, krankheitsspezifische Integration von Modalitäten, um präzise klinische Fragestellungen zu beantworten, die auf der Pathophysiologie basieren. Der Übergang erfolgt von einem universellen Werkzeug zu einem maßgeschneiderten diagnostischen Arsenal (Tabelle 2).

Tabelle 2: Paradigmenwechsel im klinischen Management angetrieben durch multimodale Mikrozirkulationsbildgebung. Wichtige Netzhauterkrankungen stehen im Einklang mit zentralen pathophysiologischen Fragen und den ergänzenden Erkenntnissen verschiedener bildgebender Modalitäten, was einen Wandel von der beschreibenden, läsionbasierten Diagnose zur quantitativen Bewertung widerspiegelt, einschließlich früher Risikostratifizierung (DR), Differenzierung anatomischer Präsenz und funktioneller Aktivität (nAMD), Bewertung der ischämischen Belastung (RVO) und der Anerkennung vaskulärer Beiträge zur Neurodegeneration (Glaukom). Abkürzungen; AMD = altersbedingte Makuladegeneration; DR = diabetische Retinopathie; ETDRS = Frühbehandlungsstudie zur diabetischen Retinopathie; FA = Fluorescein-Angiographie; FAZ = foveale avaskuläre Zone; ICGA = Indocyanin-grüne Angiographie; LSFG = Laser-Speckle-Flowgraphie; nAMD = neovaskuläre, altersbedingte Makuladegeneration; OCTA = optische Kohärenztomographie, Angiographie; PCV = polypoidale choroidale Vaskulopathie; RVO = Netzhautvenenokklusion. Bitte klicken Sie hier, um diese Tabelle herunterzuladen.

Diabetische Retinopathie
In DR geht der Nutzen von OCTA weit über die einfache Früherkennung hinaus; Es ist eine überzeugende Neudefinition des natürlichen Verlaufs der Krankheit. Durch die Offenlegung von mikrovaskulärem Dropout, kapillarer Nicht-Perfusion und FAZ-Remodellierung, bevor irgendwelche Läsionen ophthalmoskopisch sichtbar sind, identifiziert OCTA ein präklinisches, submorphologisches Stadium der ischämischen Erkrankung³², das die traditionelle ETDRS-Klassifikation infrage stellt und einen quantitativen Biomarker für die Risikostratifizierung so früh wie möglich liefert. Darüber hinaus ist seine Fähigkeit, mikrovaskuläre Anomalien in spezifischen Netzhautplexusen präzise zu lokalisieren, nicht nur eine anatomische Kuriosität; Es bietet eine potenzielle mechanistische Grundlage für klinische Befunde und kann die therapeutische Entscheidungsfindung verfeinern³³. So kann beispielsweise die Unterscheidung des tiefen Kapillarplexus IRMA von der frühen Neovaskularisation die Schwelle für den Beginn der Anti-VEGF-Therapie^grundlegend verändern. Eine kritische klinische Herausforderung ergibt sich jedoch aus der Dissoziation zwischen Struktur und Funktion. OCTA quantifiziert strukturelle Nicht-Perfusion effektiv und kartiert den kumulativen, oft historischen Fußabdruck ischämischer Schäden. Im Gegensatz dazu zeigt FA den funktionellen Zerfall der Blut-Netzhaut-Schranke, typischerweise ein Marker für akute oder aktive Krankheitspathologie. Ein Patient kann bei OCTA einen ausgedehnten Kapillarverlust mit minimalem Austritt bei FA zeigen (was einen chronischen, irreversiblen strukturellen Defizit darstellt) oder umgekehrt. Die Unterscheidung ist entscheidend für therapeutische Entscheidungsfindung, da sie zwischen dauerhaftem Gewebeverlust und behandelbarer aktiver Exsudation unterscheidet. Daher erfordert das vollständigste klinische Bild eine integrierte Bewertung, OCTA für die Integrität der mikrovaskulären Architektur und FA für den funktionellen Status der Barriere.

Altersbedingte Makuladegeneration (AMD)
Bei neovaskulärer AMD hat OCTA die klinische Entscheidungsfindung grundlegend verändert, indem es eine bessere Abgrenzung der Morphologie und des Ausmaßes des choroidalen Neovaskularisationsnetzwerks (CNV) liefert. Eine genaue Abgrenzung der CNV-Morphologie und des Ausmaßes ist wichtig für die Steuerung und Überwachung^{der Therapie 35}. Doch die Klarheit wirft neue klinische Fragen auf. OCTA visualisiert die Gefäßstruktur, die anatomisch erhalten bleiben kann, auch nachdem die Anti-VEGF-Therapie das Leck behoben hat. Im Gegensatz dazu visualisiert FA das aktive Leckage, das das direkte therapeutische Ziel ist. Das ändert die zentrale klinische Frage von: "Ist ein CNV vorhanden?" zu "Ist das CNV aktiv?". Diese Unterscheidung ist entscheidend für moderne Behandlungs- und Verlängerungsroutinen, bei denen Entscheidungen zur erneuten Behandlung oft von Aktivitätsnachweisen abhängen. Darüber hinaus war OCTA maßgeblich an der Identifizierung nicht-exsudativer oder ruhender CNV beteiligt, stellt das langjährige Paradigma infrage, dass das bloße Vorhandensein eines neovaskulären Komplexes eine Behandlung vorschreibt, und verlagert den Fokus auf die Risikostratifizierung dieser Läsionen für eine zukünftige Umwandlung. In der komplexen Landschaft bleibt die Rolle des ICGA sicher und unverzichtbar als Goldstandard zur Identifizierung der polypoidalen choroidalen Vaskulopathie (PCV), einem kritischen AMD-Subtyp, dessen charakteristische Gefäßmerkmale (terminale Polypen) am besten durch die einzigartigen Eigenschaften des ICG-Farbstoffs³⁶ charakterisiert werden.

Netzhautvenenokklusion (RVO)
Die schichtspezifische analytische Kraft von OCTA bietet ein entscheidendes pathophysiologisches Fenster in RVO, das zuvor nicht zugänglich war. Die konsistente Entdeckung, dass der tiefe Kapillarplexus schwerer und bevorzugt geschädigt ist als der oberflächliche Plexus, bietet eine kraftvolle mechanistische Erklärung für die Entwicklung des widerspenstigen makulaödems, das häufig bei Zustand³⁷ zu beobachten ist. Der tiefe Plexus befindet sich in einer vaskulären Grenzzone zwischen arteriellen Zufuhrregionen, was ihn äußerst anfällig für ischämische Verletzung³⁸ macht. Der Befund verbessert die pathophysiologische Interpretation der Krankheiten. Darüber hinaus ist die starke Korrelation zwischen makulären OCTA-Parametern (z. B. Gefäßdichte) und dem Ausmaß peripherer Nicht-Perfusion bei ultra-Widefield FA ein Befund von großer klinischer Bedeutung³⁹. Sie legt nahe, dass die makuläre Mikrovaskulatur als nicht-invasiver Surrogat für den globalen ischämischen Status der Netzhaut dienen kann; daher könnte es das Patientenmanagement revolutionieren, indem es eine Risikostratifizierung für neovaskuläre Komplikationen mit einem schnellen, nicht-invasiven Makulascan ermöglicht und so die Belastung durch invasivere ultra-widefield-Fluorescein-Angiographie (UWF-FA)-Untersuchungen für routinemäßige Überwachung^{verringern könnte}.

Glaukom
Beim Glaukom behandelt die Anwendung fortschrittlicher Bildgebung direkt die zentrale ätiologische Debatte: Ist eine vaskuläre Dysregulation eine Hauptursache für Neurodegeneration? Oder ist die Gefäßabschwächung eine sekundäre Folge eines reduzierten Stoffwechselbedarfs durch atrophierte Axone? ⁴¹ OCTA und LSFG liefern ergänzende Daten, um die Frage zu untersuchen. OCTA bietet eine hochauflösende, statische Momentaufnahme der mikrovaskulären Struktur und quantifiziert die Gefäßdichte im Sehnervkopf und im peripapillären Bereich^42,43; Diese strukturellen Metriken korrelieren stark mit bestehendem Verlust von neuronalem Gewebe und funktionellen Gesichtsfelddefekten. Sie misst effektiv den angerichteten Schaden. Im Gegensatz dazu liefert LSFG dynamische, Echtzeitdaten zu Perfusions- und Blutflusspulsatilität⁴⁴. Es erfasst den physiologischen Prozess des Blutflusses und erkennt möglicherweise eine pathologische autoregulatorische Dysfunktion, bevor irreversibler struktureller Verlust bei OCTA oder struktureller OCT sichtbar wird. Daher ist die Integration statischer Strukturdaten aus OCTA mit dynamischen Perfusionsdaten aus LSFG nicht nur ein additiver Prozess⁴⁴; Es stellt eine strategische Anstrengung dar, Ursache von Wirkung im Prozess der Glaukomatösen Krankheit zu trennen. Die Identifizierung von Patienten mit abnormaler Flussdynamik auf LSFG trotz erhaltener Struktur auf OCTA könnte zu einem wirkungsvollen Paradigma werden, um Personen mit dem höchsten Risiko für ein schnelles Fortschreiten zu identifizieren und so gezielte, neuroprotektive Therapien auf die vaskuläre Komponente der Erkrankung zu ebnen.

Bewertung von Uveitis und entzündlicher Choriocapillaris
Die Untersuchung der posterioren Uveitis und entzündlicher Chorioretinopathien stellt eine Grenze für multimodale Bildgebung dar, insbesondere bei der Beurteilung der unzugänglichen Choriocapillaris. Historisch diente ICGA als einzige Methode, die eine choroidale Entzündung visualisieren konnte und hypofluoreszierende dunkle Flecken zeigte, die auf stromale Entzündung oder Ischämie hindeuten. Die Interpretation dieser hypofluoreszenten Läsionen blieb jedoch qualitativ und wurde durch die invasive Natur des Farbstoffs eingeschränkt. Die Einführung von OCTA hat diese Bewertung grundlegend verfeinert, indem eine nicht-invasive, tiefenaufgelöste Sicht auf Choriocapillaris bereitgestellt wird, die die Identifizierung und Quantifizierung von Strömungshohlräumen und Bereichen mit Signalverlust ermöglicht, die der kapillaren Nichtperfusion oder vorübergehenden Ischämie entsprechen.

Bei entzündlichen chorioretinalen Erkrankungen wie dem Vogt-Koyanagi-Harada-(VKH)-Syndrom und dem White-Dot-Syndrom hat OCTA gezeigt, dass diese Flow-Hohlräume mit hypofluoreszenten Bereichen auf ICGA korrelieren, aber eine bessere Auflösung zur Überwachung der Krankheitsaktivität bieten. Entscheidend ist, dass die longitudinale OCTA-Bildgebung die reversible Natur dieser Flow-Hohlräume nach der Kortikosteroidtherapie aufgedeckt hat und die Choriocapillaris-Reperfusion als neuartigen, objektiven Biomarker für die therapeutische Reaktion etabliert hat. Darüber hinaus stellt die entzündliche CNV eine einzigartige diagnostische Herausforderung dar, da entzündliche Leckage und Netzhautödem übereinstimmen. Indem OCTA auf Bewegungskontrast statt auf Farbstoffpermeabilität setzt, unterdrückt es effektiv das Signal der entzündlichen Exsudation, was eine deutliche Visualisierung des neovaskulären Netzwerks ermöglicht. Diese Fähigkeit ist besonders wichtig, um aktiv entzündliches CNV von entzündlichen Läsionen zu unterscheiden und so unnötige Immunsuppression oder Anti-VEGF-Therapie zu verhindern. Daher stellt die Integration von ICGA für die panoramische Krankheitskartierung und OCTA zur quantitativen Überwachung der Choriocapillaris-Perfusion den modernen Standard für das Präzisionsmanagement bei Uveitis dar.

Über das Bild hinaus navigieren wir durch große Datenmengen und den Weg zur systemischen Integration
Der Übergang von hochauflösender Bildgebung zu umsetzbarer Intelligenz erfordert die Brücke zwischen Rohdatenerfassung und klinischer Interpretation. Während das Fachgebiet in sein quantitatives Zeitalter eintritt, steht es vor einem Paradoxon, bei dem eine Datenflut nicht automatisch in klinische Weisheit übersetzt wird (Abbildung 1), was eine Herausforderung darstellt, die Entscheidungsfindung zu beeinflussen^45,46. KI, insbesondere Deep Learning (DL), hat sich nicht nur als analytisches Ergänzungsmittel etabliert, sondern als grundlegender Bestandteil der Bildverarbeitungspipeline selbst, die Herausforderungen von der Signalrekonstruktion bis zur systemischen Prognose adressiert.

Abbildung 1: Die historische und konzeptionelle Entwicklung der retinalen und choroidalen Mikrozirkulationsbewertung, die den Verlauf von statischer morphologischer Beobachtung zur dynamischen prädiktiven Modellierung nachzeichnet. Die Zeitleiste fasst die vier großen Paradigmenwechsel in diesem Bereich auf. Die Reise beginnt im Zeitalter der Morphologie, in dem die Fundusfotografie eine grundlegende, aber begrenzte, zweidimensionale, statische Sicht auf Gefäßstrukturen bot. Die erste Revolution kam mit dem Zeitalter der funktionellen Angiographie, das eine dynamische, physiologische Dimension einführte, indem invasive Farbstoffe (FA/ICGA) eingesetzt wurden, um Fragen zur Perfusion und Gefäßintegrität zu beantworten, oft jedoch durch Beobachtung von Nebenwirkungen wie Leckage. Das heutige Zeitalter der nicht-invasiven Quantifizierung, angetrieben von OCTA, stellt einen entscheidenden Wandel hin hin zur direkten Visualisierung und Quantifizierung der dreidimensionalen mikrovaskulären Architektur dar und verlagert die klinische Kernfrage hin zur Bewertung der strukturellen Integrität ohne den Störfaktor des Farbstofflecks. Der Zeitstrahl kulminiert im prognostizierten zukünftigen Zeitalter der prädiktiven Modellierung, in dem der Fokus über die Diagnostik hinausgeht. Die Ära wird durch die Verschmelzung multimodaler Daten durch künstliche Intelligenz (KI)-Engines geprägt sein, wodurch die grundlegende klinische Frage von "Was die Pathologie ist" zu "Was das zukünftige Risiko des Patienten ist" transformiert wird, wodurch ein proaktiver, prognostischer und wirklich personalisierter Ansatz im Krankheitsmanagement ermöglicht wird. Abkürzungen; FA = Fluorescein-Angiographie; ICG = Indokyaningrün; OCTA = optische Kohärenztomographie, Angiographie; KI = künstliche Intelligenz. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzusehen.

Die erste wichtige Anwendung von KI liegt in der Bildaufbesserung und Artefaktminderung, um das aktuelle Problem zu lösen, bei dem unterschiedliche Scanprotokolle und proprietäre Algorithmen nicht vergleichbare^{Ergebnisse 47} erzeugen. Die OCTA-Erfassung ist anfällig für Bewegungsartefakte, Projektionsartefakte und niedrige Signal-Rausch-Verhältnisse, die mikrovaskuläre Details verdecken können. Deep-Learning-Architekturen, insbesondere GANs, werden derzeit eingesetzt, um mikrovaskuläre Topologie aus degradierten Eingaben zu rekonstruieren. Durch Training auf hochwertigen, gemittelten Scans lernen diese generativen Modelle, Einzelaufnahme-Bilder zu entlarben, wodurch Projektionsartefakte effektiv entfernt und die Kontinuität des Schiffs in Bereichen mit Signalausfall ohne längere Aufnahmezeiten wiederhergestellt wird. Algorithmische Rekonstruktion ist unerlässlich, um die Bildqualität über verschiedene Hardwareplattformen hinweg zu standardisieren und transparente, reproduzierbare Analysemethoden zu etablieren, die für multizentrische Studien erforderlich sind.

Nach der Bildrekonstruktion erfolgt die zweite Stufe der KI-Anwendung mit automatisierter Quantifizierung durch semantische Segmentierung. Die manuelle Abgrenzung pathologischer Merkmale, wie kapillare Nicht-Perfusionsbereiche (CNP) oder die unregelmäßigen Grenzen der FAZ, ist arbeitsintensiv und unterliegt erheblicher Variabilität zwischen den Stufen. Konvolutionelle neuronale Netze (CNNs), insbesondere solche, die U-Net-Architekturen mit Skip-Verbindungen nutzen, haben bei der Segmentierung dieser Funktionen eine Leistungsparität mit menschlichen Experten gezeigt. Diese Algorithmen bieten eine sofortige, reproduzierbare Quantifizierung der Perfusionsdichte und der Gefäßskelettdichte und ermöglichen so den notwendigen Validierungsweg, der erforderlich ist, um endgültig zu beantworten, dass man messen sollte (Supplementary Information).

Die transformativste Grenze ist jedoch die Anwendung von KI in der Okulomik, der Identifikation systemischer Biomarker innerhalb der Augenbildgebung. Die retinale Mikrovaskulatur dient als direkte Erweiterung des systemischen Kreislaufs, doch die subtilen Gefäßsignale systemischer Erkrankungen sind für das menschliche Auge oft unmerklich. DL-Modelle, die auf großflächigen Populationsdatensätzen (z. B. UK Biobank) trainiert wurden, haben systemische Parameter wie Alter, Geschlecht, Rauchstatus und systolischen Blutdruck erfolgreich ausschließlich anhand von Netzhautbildern vorhergesagt (Tabelle 3). Fortschrittlichere Modelle sind nun in der Lage, große unerwünschte kardiovaskuläre Ereignisse (MACE) vorherzusagen und biologische Altersunterschiede als Marker für das Sterblichkeitsrisiko zu schätzen. Durch die Integration dieser mikrovaskulären Erkenntnisse mit genomischen und klinischen Daten wandelt KI das Auge von der traditionellen Beobachtung in ein klinisches Entscheidungsunterstützungsinstrument^48,49. Darüber hinaus verspricht die Verschmelzung dieser validierten Biomarker mit Teleophthalmologie-Plattformen eine gerechte Gesundheitsversorgung. Durch den Einsatz von KI-gesteuerter Risikovorhersage in großem Umfang können fortschrittliche Diagnostiken auf Gemeinschaftseinrichtungen und unterversorgte Bevölkerungsgruppen ausgeweitet werden, wodurch der Zugang zu präventiver kardiovaskulärer und neurodegenerativer Versorgung effektiv erweitert wird. Letztlich positioniert diese Fähigkeit die retinale Mikrozirkulation als potenziellen Ersatzendpunkt für therapeutische Wirksamkeit in systemischen Krankheitsstudien. So könnten beispielsweise quantifizierbare Veränderungen der Netzhautkapillardichte als frühe Anzeichen für den mikrovaskulären Schutz dienen und die Entwicklungszeit des Medikaments im Vergleich zum Warten auf größere unerwünschte Ereignisse verkürzen können. Die Verwirklichung dieser Vision erfordert eine beispiellose interdisziplinäre Zusammenarbeit zwischen Augenärzten, Kardiologen, Nephrologen, Endokrinologen und pharmazeutischen Wissenschaftlern. Sie markiert die klinische Übersetzung der augenärztlichen Bildgebung und stärkt die moderne Medizin insgesamt, indem sie ein direktes In-vivo-Fenster in die systemischen Auswirkungen einer Therapie bietet.

Tabelle 3: Zusammenfassung der KI-Algorithmen und Leistung in retinalen mikrovaskulären Anwendungen Repräsentative Deep-Learning-Modelle, angewandt auf klinische Aufgaben von Gefäßsegmentierung bis zur systemischen Krankheitsvorhersage, wobei zentrale neuronale Netzwerkarchitekturen, gezielte mikrovaskuläre Merkmale, klinische Anwendungen und berichtete Leistungskennzahlen zusammengefasst werden. Abkürzungen; AD = Alzheimer-Krankheit; KI = künstliche Intelligenz; AUC = Fläche unter der Empfänger-Betriebscharakteristiekkurve; CNN = konvolutionales neuronales Netzwerk; Herz-Kreislauf-Erkrankung = Herz-Kreislauf-Erkrankung; FAZ = foveale avaskuläre Zone; GNN = neuronales Graphennetzwerk; LLM = großes Sprachmodell; PD = Parkinson-Krankheit; RNFL = Netzhautnervenfaserschicht. Bitte klicken Sie hier, um diese Tabelle herunterzuladen.

Ergebnisse

Das Feld der retinalen und choroidalen Mikrozirkulationsbewertung befindet sich inmitten eines transformativen Wandels, von einer Ära, die von invasiven, qualitativen Techniken geprägt ist, hin zu einer, die von nicht-invasiven, quantitativen und multimodalen Bildgebungen dominiert wird. Während die farbstoffbasierte Angiographie ihre wichtige Rolle für spezifische Fragestellungen behält, insbesondere bei der Beurteilung von Gefäßlecks, ist OCTA zum neuen Eckpfeiler für die Bewertung der mikrovaskulären Struktur und Perfusion geworden. Seine Fähigkeit, objektive, wiederholbare Kennzahlen bereitzustellen, hat das Krankheitsmanagement grundlegend verändert und eine frühere Erkennung sowie datenbasierte Überwachung ermöglicht. Die Zukunft liegt nicht in einer einzigen, überlegenen Technologie, sondern in der intelligenten Verschmelzung komplementärer Datenströme. Die nächste Grenze ist die Integration multimodaler Daten mit künstlicher Intelligenz. KI-Algorithmen werden bereits entwickelt, um die Bildqualität zu verbessern, indem Artefakte entfernt werden, quantitative Analysen automatisiert und die Operatorabhängigkeit ^50,51 eliminiert werden. Das Ziel ist es, Deep Learning zu nutzen, um über Beschreibung hinauszugehen und in Prediction⁵² zu gelangen. Durch das Training von Modellen auf umfangreichen Datensätzen, die strukturelle OCT, OCTA, LSFG, klinische Daten und Genomik einbeziehen, kann KI subtile, subklinische mikrovaskuläre Fingerabdrücke identifizieren, die auf zukünftigen Krankheitsbeginn oder -fortschreiten^{vorhersagen 53}.

Der Weg zur Integration ist jedoch mit Herausforderungen verbunden. Eine Haupteinschränkung ist das Fehlen der Interpretierbarkeit von Deep Learning, was die biologische Begründung hinter Vorhersagen verschleiert und das klinische Vertrauen erschwert. Insbesondere bleibt die Unterscheidung zwischen strukturellen und funktionalen Anomalien eine entscheidende Hürde; prädiktive KI-Modelle sollten validiert werden, um sicherzustellen, dass sie echte physiologische Flussdefizite von Signalabschwächung durch übermäßige Opazitäten oder Segmentierungsfehler unterscheiden. Darüber hinaus ist die Generalisierbarkeit dieser Algorithmen derzeit durch die Heterogenität multimodaler Datensätze und das Risiko algorithmischer Verzerrungen begrenzt. Die Brücke zwischen algorithmischem Potenzial und klinischer Nützlichkeit wird technologische Verfeinerungen und prospektive Studien erfordern, um sicherzustellen, dass diese prädiktiven Werkzeuge über verschiedene Bevölkerungsgruppen hinweg robust sind. Eine prädiktive Fähigkeit wird die klinische Praxis von der Reaktion auf manifesten Schaden hin zu einem proaktiven, risikobasierten Paradigma präventiver Intervention überführen (Abbildung 2). Das Fenster des Auges zur systemischen Gesundheit wird von morphologischer Inspektion in einen aktiven, intelligenten Sensor umgewandelt, der das volle Potenzial von Präzision, Prädiktion und personalisierter Medizin ausschöpft.

Abbildung 2: Konzeptioneller Rahmen für die nächste Generation KI-gesteuerter ophthalmischer Diagnostik, der den Paradigmenwechsel von der Rohdateninterpretation hin zu prädiktiven klinischen Einblicken veranschaulicht. Dieses Modell visualisiert einen transformativen diagnostischen Prozess, der als Datenverfeinerungstrichter konzipiert wird. Der Prozess beginnt mit der Aggregation hochdimensionaler, heterogener Daten (Schicht 1: multimodale Dateneingabe), wodurch eine ganzheitliche digitale Darstellung des Augenstatus des Patienten entsteht, indem statische anatomische Informationen (Strukturelle OCT), detaillierte mikrovaskuläre Architektur (OCTA), dynamische physiologische Funktionen (LSFG) und systemischer Patientenkontext (Clinical & Genomic Data) kombiniert werden. Diese unterschiedlichen Datenströme werden dann in einer ausgefeilten KI-Engine (Layer 2) synthetisiert, die Deep-Learning-Modelle für Datenfusion und die Extraktion komplexer, multidimensionaler Biomarker verwendet, die für menschliche Beobachter oft unwahrnehmbar sind. Systematische Verarbeitung veranschaulicht die Synthese der enormen Informationskomplexität zu einem prägnanten, klinisch sinnvollen Output. Das ultimative Ziel ist die Erzeugung umsetzbarer klinischer Ergebnisse (Schicht 3), die nicht nur beschreibend, sondern grundsätzlich prädiktiv und personalisiert sind. Diese Ergebnisse befähigen Kliniker mit prognostischen Risikoscores, räumlichen Vorhersagen zukünftiger Pathologie (z. B. pathologischen Heatmaps) und optimierten, patientenspezifischen Behandlungsempfehlungen. Das Rahmenwerk markiert den grundlegenden Übergang von reaktiver, musterbasierter Medizin hin zu einem proaktiven, datenbasierten und wirklich prädiktiven Gesundheitsparadigma. Abkürzungen; KI = künstliche Intelligenz; LSFG = Laser-Speckle-Flowgraphie; OCT = optische Kohärenztomographie; OCTA = optische Kohärenztomographie, Angiographie. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzusehen.