Biomarker der intermediärenaltersabhängigen Makuladegeneration
Multimodale Bildgebung und Künstliche Intelligenz (KI) verändern derzeit die Diagnostik der intermediären altersabhängigen Makuladegeneration (iAMD). Durch präzise Erfassung von Risikomarkern kann nun das Risiko der Progression der iAMD deutlich besser abgeschätzt werden. KI-Algorithmen können diese Biomarker vollautomatisch segmentieren, quantitativ auswerten und so das Fortschreitungsrisiko schnell vorhersagen. Merten Mallwitz, Priv.-Doz. Dr. Leon von der Emde, FEBO und Prof. Frank G. Holz, FEBO (Bonn) erläutern, wie diese neuen strukturellen und funktionellen Endpunkte für Therapiestudien eingesetzt werden, die Verlaufskontrolle verbessern und einen wichtigen Schritt hin zu einer personalisierten Behandlung der AMD darstellen.
Die altersabhängige Makuladegeneration (AMD) ist die häufigste Ursache irreversibler Erblindung in Industrienationen bei älteren Menschen (Fleckenstein et. al 2021). Nach der Beckman Initiative for Macular Research kann die AMD in vier verschiedene Stadien unterteilt werden (Ferri et al. 2013): frühe AMD (mittelgroße Drusen zwischen 63 µm und 125 µm ohne Pigmentveränderungen), intermediäre AMD (iAMD; große Drusen über 125 µm mit oder ohne Pigmentveränderungen) sowie die beiden Spätstadien, die neovaskuläre AMD (nAMD) und die geographische Atrophie (GA). Der iAMD kommt dabei eine besondere Rolle zu, da sie über lange Zeit klinisch stabil bleiben kann und im Gegensatz zur GA oder nAMD häufig keine relevante subjektive Sehbeeinträchtigung verursacht (Lad et al. 2023). Dieser Artikel bietet eine Zusammenfassung relevanter bildgebender und funktioneller Biomarker, um das Risiko der Entstehung der iAMD sowie der Progression einer iAMD zu nAMD oder GA präziser stratifizieren zu können.

