Die diabetische Neuropathie ist die häufigste Folgeerkrankung des Diabetes mellitus. Sie wird heute klinisch vorwiegend durch Untersuchungen der Nervenfunktion diagnostiziert, die aber pathologische Veränderungen erst anzeigen, wenn bereits Symptome auftreten. Für eine Frühdiagnose und Verlaufskontrolle sowie zur Erprobung neuer Therapieansätze werden dringend objektive Diagnoseverfahren mit höherer Sensitivität benötigt. Große Hoffnungen liegen aktuell auf der konfokalen Laser-Scanning-Mikroskopie der Kornea (corneal confocal microscopy, CCM). Sie ermöglicht die nicht-invasive in-vivo-Bildgebung der Nervenfasern des kornealen sub-basalen Nervenplexus (SNP) und erlaubt somit eine direkte Beurteilung des Nervenfaserzustands. Da sich periphere Neuropathien im SNP frühzeitig manifestieren, hat das Verfahren das Potenzial zur Etablierung eines zuverlässigen Biomarkers. Eine wesentliche Herausforderung bei diesem Ansatz folgt aus der inhomogenen Verteilung der Nervenfasern über der Fläche der Kornea. Für die Gewinnung zuverlässiger Werte ist deshalb die Auswertung eines ausreichend großen und exakt lokalisierten Areals des SNP erforderlich. Zusätzlich stören reversible Gewebedeformationen, die durch das Aufsetzen des Mikroskops auf die Kornea verursacht werden, die oberflächenparallele Anordnung des SNP und verhindern somit eine Abbildung der Nervenstrukturen über dem gesamten Bildfeld. Schließlich ist der Aufnahmeprozess und oft auch die Auswertung der Bilddaten heute fast ausschließlich von manueller Interaktion und subjektiven Entscheidungen geprägt. Diese Einschränkungen der CCM limitieren die Sensitivität und Spezifität des Verfahrens.

Als Lösung wird die Entwicklung eines automatisierten bildgebenden Verfahrens zur Erzeugung großflächiger Abbildungen des SNP zum Zweck seiner objektiven und statistisch belastbaren morphometrischen Charakterisierung vorgeschlagen. Ein zentraler Aspekt des beantragten Vorhabens ist eine automatische geregelte Fokussierung auf die SNP-Schicht durch neu zu entwickelnde echtzeitfähige Algorithmen zur Gewebecharakterisierung. Durch die Entwicklung von neuen Methoden zur Minimierung der Gewebedeformationen sollen die bisher auftretenden Artefakte bei der Bildgebung des SNP reduziert werden. Darüber hinaus sollen neue Ansätze zur exakten Positionierung des Mikroskops auf der Kornea während des Aufsetzprozesses erarbeitet und mithilfe mathematischer Verfahren erstmals eine Verifikation und Korrektur der abgebildeten Position in Relation zum kornealen Apex ermöglicht werden. Die laterale Erweiterung des SNP-Bildfelds soll durch geführte Augenbewegungen erzielt werden. Weitere Arbeiten sehen schließlich die Entwicklung von Bildverarbeitungsalgorithmen zur Erzeugung von Mosaikbildern aus den akquirierten CCM-Bildserien vor. Diese Mosaikbilder sind die Grundlage für eine robuste morphometrische Charakterisierung des SNP und bilden somit die Basis für einen zuverlässigen Biomarker zur Beurteilung peripherer Neuropathien.

Mitglieder:

Dr. Bernd Köhler, Dr. Stephan Allgeier, Prof. Dr. Ralf Mikut
Karlsruher Institut für Technologie (KIT), Institut für Automation und angewandte Informatik

Prof. Dr. Oliver Stachs
Universitätsmedizin Rostock, Klinik und Poliklinik für Augenheilkunde

Ausgewählte Publikationen:

Allgeier S, Bartschat A, Bohn S, Peschel S, Reichert KM, Sperlich K, Walckling M, Hagenmeyer V, Mikut R, Stachs O, Köhler B. 3D confocal laser-scanning microscopy for large-area imaging of the corneal subbasal nerve plexus. Sci Rep. 2018;8:7468. doi:10.1038/s41598-018-25915-6.

Bohn S, Sperlich K, Allgeier S, Bartschat A, Prakasam R, Reichert KM, Stolz H, Guthoff R, Mikut R, Köhler B, Stachs O. Cellular in vivo 3D imaging of the cornea by confocal laser scanning microscopy. Biomed Opt Express. 2018;9(6):2511-2525. doi:10.1364/BOE.9.002511

Bartschat A, Stegmaier J, Allgeier S, Reichert KM, Bohn S, Stachs O, Köhler B, Mikut R. Augmentations of the bag of visual words approach for real-time fuzzy and partial image classification. In: Hoffmann F, Hüllermeier E, Mikut R (Hrsg.). Proc. 27. Workshop Computational Intelligence. Karlsruhe: KIT Scientific Publishing; 2017. pp. 227-242. doi:10.5445/KSP/1000074341