Knowledge-Hub Digitalisierung, KI & Gesundheitein Angebot von Monitor Versorgungsforschung

Knowledge-Hub Digitalisierung, KI & Gesundheit › Studien

Deep-Learning-gestützte Smartphone-Exophthalmometrie: Validierung bei Schilddrüsenaugenkrankheit

Moon JH et al. · Thyroid · erschienen 07.10.2026 · in PubMed seit 08.10.2026 · PMID 42844709

Von KI ausgewählt und zusammengefasst

Worum es geht

Multizentrisches Validierungsstudium eines Deep-Learning-Modells zur Messung der Bulbusprotrusion mittels Smartphone-Selfies bei Patienten mit Thyroid Eye Disease (Schilddrüsenaugenkrankheit), an drei Kliniken in Korea und Spanien mit insgesamt 361 Patienten.

Ergebnis

Das Modell erzielte eine mittlere absolute Abweichung (MAE) von 1,14 mm (Korea intern, Pearson r=0,83), 1,44 mm (Korea extern, r=0,85) und 1,58 mm (Spanien, r=0,77) gegenüber der klinischen Hertel-Messung; 83,6 % bis 69,7 % der Messungen lagen innerhalb von 2 mm der Referenz. Für Schweregradbewertung (Hertel ≥21 mm) betrug die AUC 0,86–0,94 in den drei Zentren. Performance war konsistent über 12 Smartphonemodelle. Das Verfahren ermöglicht damit eine skalierbare klinische Verlaufskontrolle.

Übertragbarkeit auf Deutschland

Multiethische Validierung (Korea, Spanien), vergleichbar mit europäischen Strukturen und Dokumentationspflichten.

Auswahl und deutsche Zusammenfassung stammen von einer KI und sind nicht redaktionell geprüft. Maßgeblich ist die Originalpublikation.