Netzhautbildgebungstechnologien bei zerebraler Malaria: eine systematische Überprüfung

Aug 31, 2023

Malaria Journal Band 22, Artikelnummer: 139 (2023) Diesen Artikel zitieren

1106 Zugriffe

1 Zitate

15 Altmetrisch

Details zu den Metriken

Zerebrale Malaria (CM) stellt weiterhin eine große gesundheitliche Herausforderung dar, insbesondere in Afrika südlich der Sahara. CM ist mit einer charakteristischen Malaria-Retinopathie (MR) mit diagnostischer und prognostischer Bedeutung verbunden. Fortschritte in der Bildgebung der Netzhaut haben es Forschern ermöglicht, die bei MR beobachteten Veränderungen besser zu charakterisieren und Rückschlüsse auf die Pathophysiologie der Krankheit zu ziehen. Ziel der Studie war es, die Rolle der Netzhautbildgebung bei der Diagnose und Prognose bei CM zu untersuchen. Erkenntnisse über die Pathophysiologie von CM anhand der Netzhautbildgebung gewinnen; zukünftige Forschungsrichtungen festlegen.

Die Literatur wurde systematisch anhand der Datenbanken African Index Medicus, MEDLINE, Scopus und Web of Science überprüft. Insgesamt wurden 35 Volltexte in die abschließende Analyse einbezogen. Der beschreibende Charakter der eingeschlossenen Studien und die Heterogenität schlossen eine Metaanalyse aus.

Die verfügbaren Forschungsergebnisse zeigen eindeutig, dass die Netzhautbildgebung sowohl als klinisches Instrument zur Beurteilung von CM als auch als wissenschaftliches Instrument zur Unterstützung des Verständnisses der Erkrankung nützlich ist. Modalitäten, die am Krankenbett durchgeführt werden können, wie etwa Fundusfotografie und optische Kohärenztomographie, sind am besten geeignet, die Vorteile der Bildanalyse mit Unterstützung künstlicher Intelligenz zu nutzen und das klinische Potenzial der Netzhautbildgebung für Echtzeitdiagnosen in ressourcenarmen Umgebungen zu erschließen Es gibt möglicherweise nur wenige umfassend ausgebildete Kliniker, die bei der Entwicklung begleitender Therapien behilflich sind.

Weitere Forschung zu retinalen Bildgebungstechnologien bei CM ist gerechtfertigt. Insbesondere eine koordinierte interdisziplinäre Arbeit ist vielversprechend bei der Aufklärung der Pathophysiologie einer komplexen Krankheit.

Malaria ist eine parasitäre Infektion, die durch Plasmodium-Arten verursacht wird und nach wie vor weltweit eine bedeutende Ursache für Morbidität und Mortalität darstellt. Im Jahr 2020 gab es schätzungsweise 627.000 Todesfälle aufgrund von Malaria, wovon 96 % in der afrikanischen Region und etwa 80 % bei Kindern im Alter von 0–5 Jahren auftraten [1]. Schwere Malaria ist definiert als Parasitämie, begleitet von Bewusstseinsstörungen, Erschöpfung, mehreren Anfällen, Azidose, Anämie, Nierenfunktionsstörung, Gelbsucht, Lungenödem, abnormalen Blutungen, Schock und/oder Hyperparasitämie, sofern keine andere zuordenbare Ursache vorliegt. Zerebrale Malaria (CM) ist eine schwerwiegende neurologische Manifestation einer schweren Malaria, die durch Koma gekennzeichnet ist (definiert als Glasgow-Koma-Score < 11 bei Erwachsenen oder Blantyre-Koma-Score < 3 bei Kindern, die bei Anfallsaktivität länger als eine Stunde postiktal anhält). und Parasitämie. Die Mortalität aufgrund von CM nähert sich ohne Behandlung 100 % und sinkt bei sofortiger Behandlung auf 10–20 % [2].

Es wurde gezeigt, dass Malaria eine spezifische Retinopathie mit diagnostischer und prognostischer Bedeutung bei CM verursacht [3, 4]. Es ist gekennzeichnet durch das Vorhandensein von Netzhautblutungen mit oder ohne weiße Zentren, eine Netzhautaufhellung, die in der Makula oder der Peripherie auftreten kann, und eine Verfärbung der Netzhautgefäße zu Orange oder Weiß. Es kann auch mit einem Papillenödem einhergehen [5].

Die in der Netzhaut bei MR beobachtete Pathologie entspricht der Pathologie, die bei CM im Gehirn beobachtet wird. Die Sequestrierung von mit Plasmodium falciparum parasitierten roten Blutkörperchen (pRBCs) im Netzhautgefäßsystem geht immer mit einer Sequestrierung im Gehirngefäßsystem einher [6, 7]. Papilloödeme, die per Definition auf einen erhöhten intrakraniellen Druck hinweisen, sind bei CM mit dem Tod verbunden [8].

Darüber hinaus wird die Aufrechterhaltung einer stabilen extrazellulären Flüssigkeitsumgebung durch eine hochselektive Blut-Gewebe-Barriere sowohl in der Netzhaut als auch im Gehirn erreicht. Es wird angenommen, dass eine Funktionsstörung der Blut-Hirn-Schranke (BBB) ​​zur Schwellung des Gehirns und zum Tod führt [9]. Der Zusammenbruch der Blut-Netzhaut-Schranke (BRB) kann pathologisch durch die erhöhte Inzidenz von zystoiden Makulaödemen bei der histopathologischen Untersuchung der Netzhaut in Fällen tödlicher CM nachgewiesen werden [7]. Intraretinale Zystenräume enthalten Fibrinogen, das bei Vorhandensein eines funktionierenden BRB vollständig intravaskulär ist. Als einziger Teil des Zentralnervensystems, der mit nicht-invasiven Methoden direkt sichtbar gemacht werden kann, bietet die Netzhaut eine einzigartige Gelegenheit, die Pathophysiologie von CM in vivo zu untersuchen.

Fortschritte in der Netzhaut-Bildgebungstechnologie haben zur Entwicklung eines bildgebenden Screenings für Netzhauterkrankungen wie diabetische Retinopathie geführt und in den letzten Jahren die klinische Behandlung von Netzhaut- und Chorioretinalerkrankungen revolutioniert. Ziel dieser Übersicht ist es, die Rolle retinaler Bildgebungstechnologien bei CM zu ermitteln.

Unser Ziel ist es, die Literatur zu Netzhautbildgebungstechnologien bei CM systematisch zu überprüfen, um: die potenziellen Vorteile der Netzhautbildgebung bei der Diagnose und Prognose bei CM zu untersuchen; Erkenntnisse über die Pathophysiologie von CM anhand der Netzhautbildgebung gewinnen; Informieren Sie über zukünftige Forschungsrichtungen zu retinalen Bildgebungstechnologien bei CM.

Im Juli 2022 wurde eine systematische Literaturrecherche unter Verwendung der Datenbanken African Index Medicus, MEDLINE, Scopus und Web of Science durchgeführt. Betreffzeilen und Freitextprotokolle wurden einzeln angewendet und anschließend mit UND/ODER-Operatoren kombiniert. Die vollständige Suchstrategie für jede der Datenbanken ist in Anhang 1 hervorgehoben.

Bei der Datenbanksuche wurden 139 einzigartige Studien identifiziert. Die Abstracts wurden unabhängig voneinander von zwei Autoren gesichtet, wobei alle Studien oder Fallberichte hervorgehoben wurden, in denen retinale Bildgebungstechnologien bei zerebraler Malaria zum Einsatz kamen. Die anschließende Volltextprüfung der enthaltenen Abstracts wurde von denselben Autoren durchgeführt. Eingeschlossen wurden alle Studien, die entweder ein neuartiges oder etabliertes Verfahren zur Bildgebung der Netzhaut bei menschlicher oder experimenteller CM untersuchten. Studien, die Bildgebung beinhalteten, aber keine bildgebungsbezogenen Ergebnisse berichteten, wurden ausgeschlossen. Darüber hinaus wurden Studien ohne experimentelle Daten zu CM-Patienten sowie Rezensionen, Fallberichte, Briefe und Konferenzzusammenfassungen (ohne verfügbaren Volltext) ausgeschlossen. Ein dritter, unabhängiger Autor wurde konsultiert, um etwaige Streitigkeiten über die Aufnahme zu klären und die Richtigkeit der Datenerhebung zu überprüfen. Referenzlisten der eingeschlossenen Artikel wurden manuell nach anderen relevanten Studien durchsucht. Insgesamt wurden 35 Volltexte in die abschließende Analyse einbezogen. Eine Metaanalyse war aufgrund der Heterogenität in der Literatur ausgeschlossen. Das PRISMA-Flussdiagramm ist in Abb. 1 dargestellt. Die enthaltenen Dokumente sind in Anhang 2 aufgeführt.

PRISMA-Flussdiagramm

Die Netzhautfotografie ermöglicht es Nicht-Ophthalmologen, Fundusbilder zu erfassen und zu bewerten, mit gut dokumentierten praktischen Anwendungen bei der Beurteilung von Retinopathie [10, 11]. Darüber hinaus können dieselben Bilder, wenn ein Problem festgestellt wird oder Unsicherheiten bestehen, von einem Augenarzt oder einem anderen entsprechend ausgebildeten Kliniker überprüft werden, ohne dass es für den Patienten zu weiteren Unannehmlichkeiten kommt. Dies ist insbesondere in ressourcenarmen Umgebungen von Bedeutung, in denen es relativ wenige Augenärzte pro Kopf gibt und Patienten oft beträchtliche Entfernungen zurücklegen müssen, um medizinische Versorgung in Anspruch zu nehmen. Angesichts des nachgewiesenen Nutzens der MR bei der Unterscheidung von CM von Koma anderer Ursache und der Tatsache, dass die Wirkung von CM vor allem in den Ländern mit niedrigem und mittlerem Einkommen (LMIC) der afrikanischen Region zu spüren ist, werden die potenziellen Vorteile der Netzhautfotografie noch größer klar [3, 12].

Seit dem späten 19. Jahrhundert sind Klinikern grundlegende Veränderungen in der Netzhaut von Patienten mit schwerer Malaria bekannt [13]. Seitdem wurden die charakteristischen Veränderungen in vielen Veröffentlichungen beschrieben, wobei mehrere Veröffentlichungen in den 80er und 90er Jahren die Netzhaut von Patienten mit CM systematisch untersuchten und die Ergebnisse mit dem Ergebnis korrelierten, einige mit fotografischer Dokumentation [14,15,16,17]. Beispielbilder sind in Abb. 2 dargestellt.

a Farbfoto des Fundus des linken Auges eines 28 Monate alten Kindes mit zerebraler Malaria. Eine Aufhellung der Makula ist weit verbreitet (weißer Kreis und anderswo) und es kommt zu Netzhautblutungen (schwarze Pfeile). Watteflecken (weiße Pfeile) sind weißer und oberflächlicher als Bleichflecken. b Farbige Fundusaufnahme des linken Auges eines anderen 24 Monate alten Kindes mit zerebraler Malaria. Es liegen ausgedehnte Gefäßverfärbungen (schwarze Pfeile heben ein Gefäßsegment hervor) und weiß zentrierte Blutungen (weiße Pfeile) vor

Dennoch wurden nur fünf Studien identifiziert, die über Ergebnisse im Zusammenhang mit der Netzhautfotografie berichteten. Vier berichteten über fotografische Befunde, von denen einer nur minimale Daten zu einer nicht ausgewählten Untergruppe aus einer größeren Studie enthielt, und eine Studie versuchte, die Wirksamkeit verschiedener Netzhautkameras mit der binokularen indirekten Ophthalmoskopie (BIO) zu vergleichen. In mehreren Studien wurden Ansätze der künstlichen Intelligenz (KI) zur Identifizierung von MR anhand fotografischer Bilder der Netzhaut untersucht. Auf diese wird gesondert eingegangen.

Die vier Studien, die über ihre fotografischen Ergebnisse berichteten, sind in Tabelle 1 zusammengefasst. Die Inzidenz von MR ähnelt in etwa der in klinischen Studien berichteten [4]. Interessanterweise gab es bei keinem Erwachsenen Anzeichen einer Gefäßverfärbung, im Gegensatz zu der gemeldeten Inzidenz von etwa 25 % bei afrikanischen Kindern [18]. Es ist zu beachten, dass Gefäßveränderungen im MRT häufig sehr peripher sind und daher mit der Fundusfotografie möglicherweise schwierig abzubilden sind.

An der Universität Liverpool wurden Bewertungssysteme für MR entwickelt, die in den Händen erfahrener Augenärzte unter Verwendung von BIO ein hohes Maß an Interobserver-Konkordanz aufweisen [5, 18, 19]. Während BIO den Goldstandard für die Erkennung von MR darstellt, kann es schwierig sein, diese Fähigkeit zu erlernen, und die Einstufung erfordert sowohl eine genaue Untersuchung als auch die Beibehaltung vieler visueller Informationen während der Untersuchung. Die Bewertung der Bilder einer Netzhautkamera durch Augenärzte ergab in einer Studie an Erwachsenen in Bangladesch mit schwerer Malaria eine Übereinstimmung zwischen Beobachtern von 100 % [20]. Dies ist wahrscheinlich auf die statische Natur der Kamerabilder und die Möglichkeit zurückzuführen, sie mit Vergrößerungs- und Farbanpassungswerkzeugen digital zu bearbeiten.

In einer weiteren Studie mit Erwachsenen aus Bangladesch mit MI wurde eine Untergruppe nach dem Zufallsprinzip ausgewählt, um sich einer Netzhautfotografie zu unterziehen, und diese wurde bewertet und als Kontrolle verwendet. Eine Übereinstimmung zwischen Beobachtern, die keine Augenärzte sind, wurde nicht gemeldet, und das Fehlen einer augenärztlichen Beurteilung als „Goldstandard“-Test schränkt den Nutzen der Daten etwas ein. Allerdings deutete die Studie darauf hin, dass die Netzhautfotografie ein empfindlicheres Instrument zur Identifizierung der Netzhautaufhellung ist als die Ophthalmoskopie (direkt und indirekt) durch einen Nicht-Augenarzt [21].

Eine umfassende Studie zu Gefäßveränderungen und Netzhautaufhellung, einschließlich klinischer, fotografischer, angiographischer und pathologischer Daten, ergab, dass Veränderungen orangefarbener Gefäße stark mit dem Tod verbunden sind [22]. Diese Studie wird später im Detail ausgewertet.

Nur Soliz et al. [23] verglichen die Ergebnisse von Netzhautkameras direkt mit denen eines Augenarztes, der BIO verwendete. Von den drei von ihnen bewerteten Kameras schien die Handkamera Pictor Plus überlegen zu sein, mit einer Sensitivität und Spezifität für die Erkennung von MI bei Patienten mit CM von 100 % bzw. 87 %. Bemerkenswert ist, dass alle getesteten Kameras die periphere Netzhaut nicht ausreichend abbilden konnten; Dies ist angesichts der bereits erwähnten Vorliebe für Gefäßveränderungen in der Peripherie von Bedeutung. Obwohl die Ergebnisse beeindruckend sind und auf eine Rolle der Fundusfotografie beim Screening auf MR schließen lassen, ist die Studie auf eine geringe Anzahl beschränkt. Die Autoren weisen außerdem darauf hin, dass Konstruktionsmängel den Einsatz vor Ort einschränken könnten, insbesondere das Fehlen von Echtzeit-Feedback zur Bildqualität. In ressourcenbeschränkten Umgebungen kann es sein, dass es sich bei den Benutzern um Techniker ohne umfassende augenärztliche Ausbildung handelt und sie daher möglicherweise nicht erkennen, dass ein Bild von schlechter Qualität ist, was möglicherweise zu einer Verzögerung der Behandlung führt, wenn eine erneute Bildgebung erforderlich ist.

Fluorescein ist eine organische Verbindung, die bei Anregung mit blauem Licht (λ = 465–490 nm) grünes Licht mit längerer Wellenlänge (λ = 520–530 nm) emittiert [24]. FA wurde in den 1960er Jahren entwickelt und ermöglicht eine detaillierte Darstellung des Netzhautgefäßsystems und eine Echtzeit-In-vivo-Visualisierung der Gefäßpathologie. Der Fluorescein-Farbstoff wird intravenös injiziert, bevor mit einer Kamera mit blauem Anregungsfilter und grünem Emissionsfilter Serienaufnahmen gemacht werden. Injiziertes Fluoreszein verbleibt in intakten Blutgefäßen vollständig intravasal, tritt jedoch aus, wenn der BRB überhaupt beeinträchtigt ist. Die sequentielle Bildgebung ermöglicht die Visualisierung des Mikrogefäßsystems der Netzhaut in fünf Phasen: Aderhautspülung (präarteriell), arteriell, arteriovenös (laminarvenös), venös und Rezirkulation.

Die Ähnlichkeiten zwischen der retinalen und zerebralen Mikrozirkulation bedeuten, dass FA ein nützliches Instrument zum Verständnis der Schädigung des zerebralen Mikrogefäßsystems bei CM ist. Obwohl es möglich ist, FA in ressourcenarmen Umgebungen mit angepasster Ausrüstung durchzuführen, ist sie nicht so einfach wie die Netzhautfotografie und birgt zusätzliche Risiken, wie z. B. Anaphylaxie. Dementsprechend ist seine Verwendung als Screening-Instrument begrenzt, es bleibt jedoch ein nützliches Instrument zur Untersuchung der Pathophysiologie.

Es wurden sechs Studien identifiziert, die sich speziell mit FA bei CM befassten. Diese sind in Tabelle 2 zusammengefasst. Studien, die KI-Ansätze zur Interpretation von FA-Bildern bei CM verwendeten, werden separat berichtet.

Frühe Studien mit Filmkameras von Davis et al. und Hero et al. verwendeten FA bei einer kleinen Anzahl von Patienten. Beide Studien identifizierten angiographische Anomalien, einschließlich kapillärer Nichtperfusion (CNP), Gefäßlecks und Bandscheibenlecks [8, 25]. Keiner von beiden verfügte über ausreichende Aussagekraft, um den Umfang der beobachteten Veränderungen oder die Häufigkeit dieser Veränderungen genau zu beschreiben. Darüber hinaus liefern Filmkameras kein Echtzeit-Feedback, sodass die Bildqualität möglicherweise beeinträchtigt wird. Nachfolgende große Studien mit digitaler Bildgebung haben eine Reihe angiographischer Befunde identifiziert, die grob in CNP, Leckagen und intravaskuläre Füllungsdefekte (IVFD) eingeteilt werden können [26, 27]. Beispiele sind in Abb. 3 dargestellt.

Ein Fluoreszenzangiogramm der arteriovenösen Phase des linken Auges eines 20 Monate alten Kindes mit zerebraler Malaria zeigt eine Nichtdurchblutung der Makula (roter Umriss) und der peripheren Kapillare (grüner Umriss). Beachten Sie, dass Blutungen (Sternchen) die Fluoreszenz maskieren. b Das venöse Phasenangiogramm eines anderen pädiatrischen Patienten mit zerebraler Malaria zeigt ein großes fokales Leck (schwarzer Pfeil) und eine Vergrößerung der fovealen avaskulären Zone (weißer Pfeil), was auf eine kapilläre Nichtperfusion hinweist. Beachten Sie noch einmal die Maskierung von Blutungen

CNP entsteht, wenn sich ein Kapillarnetzwerk in der späten arteriovenösen Phase nicht mehr füllt. Bilder aus früheren Phasen dürfen nicht für die Bewertung verwendet werden, da das Kapillarnetzwerk möglicherweise nicht ausreichend Zeit hatte, sich zu füllen, wodurch die Gefahr falsch positiver Ergebnisse besteht. CNP ist bei CM extrem häufig, wobei in einer Studie ein gewisser Grad an Makula-CNP und peripherem CNP bei 100 % bzw. 95 % der abstufungsfähigen MR-positiven Fälle vorlag [27]. Es lokalisiert sich in Bereichen mit Netzhautaufhellung, was darauf hindeutet, dass die Aufhellung auf einen ischämischen Insult zurückzuführen ist.

Bei CM beobachtete Fluoreszeinlecks können in drei Typen eingeteilt werden: großes fokales Leck (LFL), punktförmiges Leck (PL) und Gefäßleck (VL). Interessanterweise scheinen LFL und PL mit Hirnschwellung und Tod einherzugehen, während Gefäßlecks und CNP bei Überlebenden offenbar mit neurologischen Folgen einhergehen [28]. Dies könnte darauf hindeuten, dass die schnelle Anhäufung von Netzhautblutungen (die als sich entwickelnde LFLs bei FA gesehen werden) auf mehrere fokale Brüche im BRB hinweist, die sich wahrscheinlich in der BHS und im Gehirn widerspiegeln. Dieses Austreten von Blutzellen und großen Proteinen geht mit einem schnellen Flüssigkeitsaustritt einher, ein möglicher Mechanismus für Schwellung und Tod des Gehirns.

VL war bei der histopathologischen Untersuchung in derselben Studie histologisch mit perivaskulärem Fibrinogen assoziiert [28]. Es hing auch häufig mit Bereichen des CNP zusammen und zusammen waren VL und CNP mit neurologischen Folgeerscheinungen verbunden. Die Autoren kommen zu dem Schluss, dass die Sequestrierung von pRBCs zu einer immunologischen Dysregulation mit BRB-Störung und fleckiger Ischämie führt, was zu vasogenen und zytotoxischen Ödemen führt, einem pathologischen Prozess, der sich von dem bei LFL unterscheidet. Der Zusammenhang mit neurologischen Folgeerscheinungen und nicht mit dem Tod deutet darauf hin, dass dies im Gehirn zu einem deutlich geringeren Flüssigkeitsaustritt als bei LFL führen kann, wodurch diese BHS-Beeinträchtigung überlebensfähiger wird, wenn auch mit neurologischen Schäden aufgrund von Ischämie und Reperfusion.

Barrera et al. [22] analysierten retrospektiv einen großen, prospektiv gesammelten Datensatz malawischer Kinder mit CM und verwendeten dabei klinische, fotografische, angiographische und pathologische Analysen, um festzustellen, ob die Sequestrierung von pRBCs in der Netzhaut klinisch sichtbar ist und ob dies mit dem Ergebnis korreliert. IVFDs im venösen Kreislauf wurden in der überwiegenden Mehrheit der Fälle (98,3 %) bei der Durchsicht der angiographischen Bilder nachgewiesen. Obwohl die IVFD deutlich seltener vorkam, bestand ein erhöhtes Sterberisiko, wenn sie den arteriolären Kreislauf beeinträchtigten. Darüber hinaus zeigen detaillierte pathologische Analysen und Querverweise der angiographischen Bildgebung, dass intravaskuläre Füllungsdefekte Bereiche der Parasitensequestrierung sind. Wo Parasiten sequestriert werden, kommt es zu deutlichen Veränderungen in der neurovaskulären Einheit der Netzhaut mit einer Funktionsstörung der Endothelzellen sowie einer Funktionsstörung und dem Verlust von Perizyten. Veränderungen der Perizytenfunktion wurden im Gehirn in einer unveröffentlichten kleinen Unteranalyse derselben Autoren beobachtet. Diese Ergebnisse untermauern zusätzlich die Hypothese, dass ein Abbau der Blut-Hirn-Schranke als Folge der Parasitensequestrierung zu neurologischen Schäden führt. Die Mechanismen, die zugrunde liegen, welche Kinder sterben und welche überleben, bleiben unklar, könnten aber mit Wirt-Parasit-Interaktionen und der Immunantwort des Wirts zusammenhängen.

Mit der optischen Kohärenztomographie (OCT) können in vivo hochauflösende Schnittbilder der Netzhaut und des Sehnervs erstellt werden. Ein Nahinfrarotlichtstrahl wird in einen Sondenstrahl und einen Referenzstrahl aufgeteilt, wobei ersterer vom zu analysierenden Gewebe und letzterer von einem Spiegel reflektiert wird. Die Strahlen werden wieder vereint und das Interferenzmuster wird von einem Interferometer interpretiert. Mehrere Datenpunkte über einen Abstand von 2 mm werden integriert und erzeugen ein Bild, das einem histopathologischen In-vivo-Schnitt ähnelt. Eine OCT im Spektralbereich (SD-OCT) ist in Abb. 4 dargestellt. Die OCT erleichtert die Erkennung subtiler und subklinischer Makulaödeme und anderer Veränderungen der Netzhautintegrität und hilft bei der Unterscheidung der Ursachen für eine Schwellung des Sehnervenkopfes. Nur ein Artikel beschreibt Veränderungen im OCT bei menschlichem CM [29]. Eine weitere Studie nutzt die Technologie in einem murinen CM-Modell [30].

ein SD-OCT-Gerät: Ein Nahinfrarotstrahl mit niedriger Kohärenz wird so aufgeteilt, dass er sowohl auf die Probe als auch auf einen Referenzspiegel gerichtet ist. Der Strahl wird von reflektierenden Oberflächen (zellulären Grenzflächen) in der Probe und vom Referenzspiegel reflektiert. b Im Spektrometer werden die rekombinierten Strahlen einer Fourier-Transformation unterzogen und die resultierende Interferenz vom Detektorarray erfasst. Signale werden zu OCT-Bildern verarbeitet. c) OCT-Scan des linken Auges eines 15 Monate alten Kindes. Es sind hyperreflektive Kapillaren (blassgelbe Pfeile), hyperreflektive Bereiche (lange weiße Pfeile) und Blutungen (schwarzes Sternchen) sichtbar

Tu et al. [29] beschreiben mehrere neue Funktionen der OCT (siehe Abb. 4). Zunächst identifizierten sie hyperreflektive Bereiche (HRAs), die die inneren Netzhautschichten betreffen und sich, wenn sie groß sind, auf der Fundusfotografie bzw. FA mit Bereichen mit Netzhautaufhellung und CNP kolokalisieren. Die äußeren Schichten bleiben verschont, da ihre Blutversorgung über die Aderhaut erfolgt, in der es kaum oder gar keine Sequestrierung gibt. Ein hyperreflektives Signal aus den inneren Netzhautschichten wird bei einem Netzhautarterienverschluss beobachtet und stützt die Theorie, dass die Hyperreflexion der inneren Netzhaut auf ein zytotoxisches Ödem als Folge einer Gewebehypoxie bei CM zurückzuführen ist.

Watteflecken waren in der retinalen Nervenfaserschicht (RNFL) als erhabene und gut definierte Läsionen mit geringerer Signaldichte im Vergleich zu HRAs sichtbar [29]. Sie traten im OCT viel häufiger auf, als bisher klinisch angenommen wurde (37 vs. 5 %), was auf eine klinische Fehlklassifizierung als Netzhautaufhellung schließen lässt [18, 29]. Cotton-Wool-Spots werden durch eine axonale Schädigung der RNFL verursacht, oft als Folge einer Ischämie. Dies wurde in der pädiatrischen Netzhaut bei CM durch erhöhte Konzentrationen des β-Amyloid-Vorläuferproteins in der RNFL während der histopathologischen Untersuchung nachgewiesen [7].

Das Vorhandensein hyperreflektiver Gefäße und hyperreflektiver Kapillaren in den inneren Netzhautschichten ist einzigartig bei CM. Dies ist ein weiteres mögliches Beispiel für die In-vivo-Visualisierung sequestrierter pRBCs [29]. Es ist jedoch noch nicht bekannt, wie die Hyperreflexion von Gefäßen mit sichtbaren Gefäßanomalien und ihren histopathologischen Korrelaten zusammenhängt.

Eine weitere Studie zur Beurteilung der retinalen Mikrogefäße in einem murinen CM-Modell verwendete OCT zusätzlich zur konfokalen Scanning-Laser-Ophthalmoskopie und histopathologischen Analyse und zeigte eine Kolokalisation von interessierenden Regionen im OCT mit Parasitensequestrierung in den Blutgefäßen, was die Schlussfolgerungen von Tu et al. stützt. [29], dass die Gefäßhyperreflexion sequestrierte pRBCs darstellt [30].

OCT identifizierte bei etwa 10 % der Patienten ein zystoides Makulaödem, deutlich weniger als in der Histopathologie beobachtet (53,1 %) [7, 29]. Bei Patienten, die sterben und sich einer Autopsie unterziehen, ist die Wahrscheinlichkeit einer schweren Erkrankung höher, was für diesen Unterschied verantwortlich sein könnte.

Schließlich zeigte eine Längsschnittanalyse der OCTs von Überlebenden, dass sich HRAs nach einem Monat zu Bereichen mit Netzhautverdünnung entwickeln, die nach einem Jahr stärker ausgeprägt ist [29]. Dies kann sich im Gehirn widerspiegeln, wo bei Patienten mit neurologischen Entwicklungsdefiziten im Magnetresonanztomographen (MRT) nach einem Monat eine erhebliche Hirnatrophie beobachtet wird [31].

Diese OCT-Ergebnisse wurden noch nicht mit dem klinischen Ergebnis korreliert. Die OCT erweist sich als bettseitiges Instrument zur Beurteilung von CM als vielversprechendes Instrument und kann möglicherweise unser Verständnis der Pathogenese der Krankheit unterstützen. Allerdings können die hohen Kosten der OCT-Technologien, ein Mangel an Fachwissen und Teilen zur Reparatur beschädigter oder fehlerhafter Maschinen sowie die steile Lernkurve für Nicht-Augenmediziner, die Handgeräte verwenden, die Skalierbarkeit in LMICs einschränken.

Die Ansätze zur automatisierten Bildanalyse lassen sich grob in zwei Hauptstrategien einteilen: traditionelle Computer Vision und Deep Learning. Vereinfacht gesagt verwendet herkömmliches Computer Vision (TCV) Algorithmen, die auf Funktionen wie Farbschwellenwertbildung und Pixelzählung basieren, um Funktionen wie Segmentierung und Erkennung von Ausprägung (Hervorhebung vom Hintergrund) auszuführen. Es erfordert eine erhebliche Rechenleistung, benötigt aber weniger Codezeilen als Techniken des maschinellen Lernens. TCV kann rechentechnisch langsam sein. KI in Form von Deep Learning ist ein wichtiger und wachsender Bereich der Netzhautbildanalyse [32]. Die herkömmliche Bildanalyse ist zeitaufwändig und kostspielig und erfordert geschulte Bewerter zur Bildbeurteilung sowie strenge Qualitätskontrollprozesse. KI hat das Potenzial, den Bedarf an menschlichen Bewertern zu verringern, indem diese für die Qualitätskontrolle und die Bewertung von Bildern frei werden, die nicht eindeutig sind oder mithilfe von Algorithmen schwer zu benoten sind. Während die Mathematik der KI den Rahmen dieser Übersicht sprengt, werden einige Schlüsselkonzepte im Folgenden zusammengefasst [33].

Der Aufstieg des Deep Learning basiert auf der Entwicklung Faltungs-Neuronaler Netze. Mithilfe einer Bilddatenbank wird ein Modell entwickelt und trainiert, sodass es ohne zusätzliche Experteneingaben beginnen kann, intrinsische Merkmale in einem Bild zu erkennen und auf der Grundlage dieser Merkmale Entscheidungen zu treffen. Nach dem Training anhand eines Trainingsdatensatzes können Deep-Learning-Modelle auf einen Testdatensatz angewendet werden, um die Leistung der Modelle weiter zu bewerten. Bei der MR-Erkennung wurden mehrere Ansätze für Deep Learning erprobt.

Beim überwachten Lernen wird ein Satz gekennzeichneter Trainingsdaten verwendet, um einem Modell beizubringen, Merkmale der Daten derselben Kategorie zu erkennen. Ein überwachtes Modell ist normalerweise genauer als ein unbeaufsichtigtes Modell, aber die Anlaufkosten sind erheblich und erfordern einen großen Datensatz und menschliches Eingreifen zur Kennzeichnung.

Unüberwachte Lernmodelle gruppieren und analysieren Daten selbstständig, um Muster in den Daten zu identifizieren und so die Merkmale der Muster zusammenzufassen und sie dann zu erkennen. Der Hauptunterschied zwischen unbeaufsichtigtem und überwachtem Lernen besteht in der Verwendung gekennzeichneter Daten. Ein halbüberwachtes oder schwach überwachtes Modell verwendet eine Mischung aus gekennzeichneten und nicht gekennzeichneten Daten, um ein Modell dabei zu unterstützen, sowohl von gekennzeichneten als auch von nicht gekennzeichneten Informationen und Funktionen zu profitieren.

Beim Transferlernen wird ein Modell verwendet, das vorab mit einer großen Datenmenge trainiert wurde, die den Daten ähnelt, die das neue Modell analysieren wird, und dann wird es mithilfe einer kleinen Menge zweckspezifischer Trainingsdaten verfeinert. Dieser Prozess reduziert den Rechenaufwand für das Training eines Modells erheblich34. Beim Transferlernen zur Erkennung von MR wurde ein Modell verwendet, das zur Identifizierung diabetischer Retinopathie trainiert wurde, und es mit einem kleinen MR-Trainingsdatensatz angepasst [34].

Die meisten Arbeiten zur Bildgebung in der MRT beziehen sich auf die KI-Analyse. Dies ist wahrscheinlich darauf zurückzuführen, dass Modelle auf der Grundlage bereits vorhandener Datensätze entwickelt werden können, ohne dass weitere Patienten rekrutiert werden müssen. Darüber hinaus sind viele der Merkmale der MR in der Farbfundusbildgebung und der FA auch bei anderen Retinopathien vorhanden, insbesondere bei der diabetischen Retinopathie. Dementsprechend gibt es Forscher, die Algorithmen entwickeln, die Läsionen sowohl bei MR als auch bei diabetischer Retinopathie erkennen können. Diese Verallgemeinerbarkeit erhöht die Zahl der Forscher, die sich für das Thema interessieren und in der Lage sind, sich damit auseinanderzusetzen, und verbessert den Zugang zu Fördermitteln.

Es wurden 21 Veröffentlichungen identifiziert, die über Ergebnisse zur automatisierten Erkennung von Netzhautläsionen auf Farbfundusfotografie oder FA berichteten. Die Ergebnisse dieser Tabellen sind in Tabelle 3 zusammengefasst. Die bei der Bewertung von KI-Modellen verwendeten Metriken sind in Abb. 5 zusammengefasst. Der Würfelkoeffizient (DC) ist eine Metrik, die häufig in der Bildsegmentierungsanalyse verwendet wird, um durch a identifizierte Pixel oder Regionen zu vergleichen Modell mit denen, die von einem oder mehreren Experten identifiziert wurden. Da Kinder ohne MR gründlich auf alternative Komaursachen untersucht werden sollten, wurden die meisten Algorithmen eher auf hohe Spezifität als auf Sensitivität optimiert. Zusätzlich zur Sensitivität und Spezifität wird auch die Receiver Operating Curve (ROC) verwendet, auf deren Grundlage die Fläche unter der Kurve (AUC) berechnet werden kann. AUC ist tendenziell aussagekräftiger als Genauigkeit, wenn die Anzahl der Fälle zwischen verschiedenen Gruppen unausgewogen ist.

Statistische Tests in der Bildanalyse können auf Pixel- oder Regionsebene angewendet werden. TP wahr positiv; TN wahr negativ; FP falsch positiv; FN falsch negativ; AUC-Fläche unter der Kurve; Betriebskurve des ROC-Empfängers, 1-Spezifität gegen Empfindlichkeit; DC-Würfelkoeffizient, |X| Anzahl der Elemente in X, X ∩ Y Elemente, die in X und Y ähnlich sind

Die Bildanalyse ist nicht unabhängig von der Bildaufnahme und obwohl die Ergebnisse der KI-Analyse äußerst beeindruckend sind, sollte beachtet werden, dass aktuelle Kameratechnologien, die in MR-Studien verwendet werden, die Peripherie nicht gut genug erfassen, um MR genau einzustufen. Darüber hinaus wurden die Algorithmen mit der besten Leistung oft anhand hochwertiger Bilder trainiert und getestet, die mit teuren Kameras aufgenommen wurden, von denen einige auf dem Tisch montiert sind. Tischkameras sind für die Aufnahme von Bildern bei komatösen Kindern nicht geeignet und die hohen Kosten moderner Kameras stellen ein Hindernis für deren Verwendung außerhalb der Forschungsumgebung in LMICs dar. Während weitere Anstrengungen unternommen werden, um die Empfindlichkeit und Spezifität der KI-Bildanalyse zu erhöhen und die Analysezeit zu verkürzen, sollte sich die parallele Forschung auf die Herstellung einer kostengünstigen Weitfeldkamera und die Entwicklung von Software konzentrieren, die die genaue Zusammenstellung von Montagebildern von Handkameras erleichtert.

Beare et al. [35] stellten die Hypothese auf, dass das Ergebnis bei CM mit Veränderungen im Blutfluss im Sehnervenkopf korrelieren könnte, und testeten ihre Hypothese mithilfe der Laser-Doppler-Flowmetrie, die das Prinzip des Doppler-Effekts im gestreuten Laserlicht nutzt, um die Bewegung von Erythrozyten zu quantifizieren [35]. Sie zeigten ein erhöhtes Blutvolumen bei Kindern mit Papillenödemen, zeigten jedoch keinen Zusammenhang zwischen Blutfluss und Ergebnis. Die Studie wurde durch das Fehlen einer geeigneten Kontrollgruppe oder normativer Daten bei Kindern eingeschränkt.

In zwei Arbeiten wurden weniger verbreitete oder neuartige bildgebende Verfahren zur Untersuchung der Netzhaut von Mäusen verwendet, die mit Plasmodium berghei infiziert waren. Das Mausmodell der zerebralen Malaria ist gut charakterisiert und wurde ausgiebig bei der Erforschung der pathophysiologischen Mechanismen verwendet, die CM zugrunde liegen [36].

Hyperspektrale Bildgebung ist eine Adaption der Fundusfotografie, die eine computergestützte Analyse spektraler Reflexionen von der Netzhaut verwendet, um die Blutsauerstoffversorgung im Gefäßsystem zu quantifizieren. Bei murinem CM wurde mit dieser Technik eine verringerte Sauerstoffversorgung beobachtet, was möglicherweise auf eine parasitäre Hämatophagie hinweist [37]. Obwohl dieser Befund einen wichtigen Prozess in der Malaria-Pathogenese veranschaulichen könnte, bleibt sein Zusammenhang mit der Malaria-Retinopathie unklar, und die Technik scheint bei menschlichen Probanden mit Malaria noch nicht angewendet worden zu sein.

Schließlich wurde die Laser-Speckle-Bildgebung verwendet, um mithilfe der Kamera-Handy-Technologie Veränderungen des Blutflusses in der Netzhaut von Mäusen zu demonstrieren [38]. Die Laser-Speckle-Bildgebung erkennt Unschärfen im Speckle-Muster (Rauschen), die durch Interferenzen mit dem von einer kohärenten Laserlichtquelle emittierten Licht entstehen. Wenn sich Komponenten der Probe bewegen, ändert sich dieses Interferenzmuster und es kann ein Bild erzeugt werden. Die Technik ist berührungslos und nicht-invasiv, liefert jedoch keine absoluten Werte für den Blutfluss. Eine sequentielle Bildgebung wäre erforderlich, um Veränderungen im Blutfluss aufzuzeigen, die den Nutzen bei CM-Patienten mit verschlechtertem Zustand einschränken könnten.

Ophthalmologische Bildgebungstechniken haben zu einer verbesserten Diagnose und einer erhöhten Prognosegenauigkeit bei CM beigetragen und unser Verständnis der Pathophysiologie dieser komplexen und lebensbedrohlichen Krankheit erweitert. Dennoch bleibt ein vollständiges Verständnis der Pathophysiologie von CM unklar. Die Sequestrierung von pRBCs im Mikrogefäßsystem des Gehirns ist das pathologische Kennzeichen der Krankheit, und es gibt mittlerweile erhebliche Hinweise darauf, dass dieser Prozess im Mikrogefäßsystem der Netzhaut durch ophthalmologische Bildgebung und klinische Untersuchung sichtbar ist [12, 22, 29].

Die Sequestrierung erfolgt in den meisten Mikrogefäßen der grauen und weißen Substanz betroffener Gehirne und wurde mit BHS-Funktionsstörungen, Blutungen, Thrombosen und axonalen Schäden in Verbindung gebracht [39]. Dieser Befund wird durch FA- und OCT-Studien gestützt, die eine Gefäßsequestrierung in postkapillären Venolen von 98,3 % der Augen (FA) und eine kapillare Hyperreflexion in 93 % der Augen (OCT) zeigen [22, 29]. Die Zytoadhärenz von pRBCs am Gefäßendothel wird hauptsächlich durch das P. falciparum-Erythrozytenmembranprotein 1 (PfEMP-1) vermittelt, das von den Var-Genen des Parasiten kodiert wird. PfEMP-1 bindet an mehrere verschiedene Wirtsrezeptoren, darunter den Endothel-Protein-C-Rezeptor (EPCR) und das interzelluläre Adhäsionsmolekül 1 (ICAM-1), die auf mikrovaskulären Endothelzellen des Gehirns und der Netzhaut exprimiert werden. Jüngste Arbeiten haben gezeigt, dass die unterschiedliche Expression von Var-Gentranskripten genau zwischen CM und unkomplizierter Malaria unterscheidet [40]. Darüber hinaus begrenzt die Bindung von pRBCs an EPCR die Produktion von aktiviertem Protein C, was zu Entzündungen, Fibrinproduktion, Gerinnselbildung und BBB/BRB-Dysfunktion führt [41]. Hohe Mengen an EPCR-Var-Transkripten wurden mit einer schweren Hirnschwellung in Verbindung gebracht, die bei tödlichen CM-Fällen bei Kindern häufig vorkommt [42, 43]. Nachdem pRBCs in den Gefäßwänden gebunden sind, führt die Schizogonie zum Zellbruch und führt zur Freisetzung von Hämozoin und Histidin-reichem Protein 2 (HRP-2). Es wird postuliert, dass HRP-2 die engen Verbindungen zwischen Endothelzellen stört und so die BHS unwirksam macht [44]. Eine erhöhte Expression von EPCR-Var-Transkripten kann zu einer erhöhten Sequestrierung führen. Bei intensiver fokaler Sequestrierung und gleichzeitiger Schizontenruptur tragen lokale Entzündungen, Gerinnungsstörungen und eine erhöhte HRP-2-Freisetzung zur Entwicklung fokaler Brüche in der BHS/BRB bei. Die zunehmende Störung der BBB/BRB ist klinisch als LFL auf FA sichtbar; scheinbar sich entwickelnde Blutung. Letztendlich führen mehrere Mikroblutungen zum Verlust von Blutzellen und großen Proteinen in den extravaskulären Bereich, zu Flüssigkeitsverschiebungen, Hirnödemen und zum Tod. Eine weitere Untersuchung der Blutungsentwicklung in der Netzhaut könnte nützlich sein und möglicherweise einen klinischen Biomarker für ein erhöhtes Risiko einer Hirnschwellung liefern. Dies wäre besonders nützlich, wenn die Behauptung von MacCormick et al. [28] Dass neurologische Folgen und der Tod durch CM auf zwei unterschiedliche pathophysiologische Prozesse zurückzuführen sind, erweist sich als wahr, da sie jeweils unterschiedliche Behandlungsansätze verdienen würden. Eine aktuelle Studie zur Bewertung von Behandlungsprotokollen für Hirnschwellungen bei CM ist im Gange, aber keine hat die Begrenzung ischämischer Verletzungen untersucht [45].

Bei Überlebenden einer zerebralen Malaria treten häufig neurologische Probleme auf [46]. Dazu können kognitive Defizite, motorische Schwierigkeiten, Gedächtnisprobleme und kortikale Sehstörungen gehören. Anfälle kommen häufig vor und können, wenn sie nicht behandelt werden, zu einer weiteren Entwicklungsverzögerung beitragen [47]. CNP und Gefäßlecks korrelierten mit neurologischen Folgeerscheinungen bei Überlebenden von CM und HRAs im OCT, die sich gemeinsam in Bereichen mit CNP lokalisieren [28, 29]. Darüber hinaus entwickeln sich HRAs zu Bereichen mit einer Ausdünnung von einem Monat, die bei einem Jahr bestehen bleiben. Dies könnte mit einer MRT-Untersuchung nach einem Monat korrelieren, die eine signifikante Hirnatrophie bei Überlebenden einer CM zeigt [31]. Die Bildgebung der Netzhaut könnte ein nützliches Instrument zur Identifizierung derjenigen Überlebenden sein, bei denen das Risiko einer neurologischen Behinderung besteht, was, wenn es mit weiteren Forschungen zu neuroprotektiven Behandlungen bei CM koordiniert wird, in Zukunft von großem Vorteil sein könnte.

CM hat weiterhin einen erheblichen Einfluss auf die LMICs der afrikanischen Region. Die verfügbaren Forschungsergebnisse zeigen deutlich, dass die Netzhautbildgebung sowohl als klinisches Instrument zur Beurteilung von CM als auch als wissenschaftliches Instrument zur Unterstützung unseres Verständnisses der Erkrankung nützlich ist. Modalitäten, die am Krankenbett durchgeführt werden können, wie Fundusfotografie und OCT, sind am besten geeignet, die Vorteile der KI-Bildanalyse zu nutzen, das klinische Potenzial der Netzhautbildgebung für die Diagnose zu erschließen und begleitende Therapien bei der Entwicklung zu begleiten. Dies erfordert übergreifende Forschungsarbeiten, die zwischen verschiedenen Disziplinen koordiniert werden. Weitere Forschung zu retinalen Bildgebungstechnologien bei CM ist sowohl notwendig als auch gerechtfertigt.

Alle während dieser Studie generierten oder analysierten Daten sind im veröffentlichten Artikel [und seinen ergänzenden Informationsdateien] enthalten.

Künstliche Intelligenz

Fläche unter der Kurve

Blut-Hirn-Schranke

Binokulare indirekte Ophthalmoskopie

Blut-Netzhaut-Schranke

Zerebrale Malaria

Kapillare Nichtdurchblutung

Sagen Sie den Koeffizienten

Endothelialer Protein-C-Rezeptor

Fluoreszenzangiographie

Fluorescein-Leck

Falsch positiv

Falsch negativ

Hyperreflektierende Bereiche

Histidinreiches Protein 2

Interzelluläres Adhäsionsmolekül 1

Intravasaler Füllungsdefekt

Großes fokales Leck

Länder mit niedrigem und mittlerem Einkommen

Malaria-Retinopathie

Optische Kohärenztomographie

P. falciparum Erythrozytenmembranprotein 1

Punktförmiges Leck

Parasitierte rote Blutkörperchen

Phasendehnungstransformation

Nervenfaserschicht der Netzhaut

Betriebskurve des Empfängers

Optische Kohärenztomographie im Spektralbereich

Schwere Malaria

Traditionelles Computersehen

Gefäßleck

Wirklich positiv

Echt negativ

Unkomplizierte Malaria

Wellenlänge

WER. Welt-Malaria-Bericht. Genf: Weltgesundheitsorganisation; 2021.

Google Scholar

WER. Richtlinien für Malaria. Genf: Weltgesundheitsorganisation; 2022.

Google Scholar

Beare NAV, Taylor TE, Harding SP, Lewallen S, Molyneux ME. Malaria-Retinopathie: ein neu etabliertes diagnostisches Zeichen bei zerebraler Malaria. Bin J Trop Med Hyg. 2006;75:790–7.

Artikel PubMed Google Scholar

Beare N, Southern C, Chalira C, Taylor T, Molyneux M, Harding S. Prognostische Bedeutung und Verlauf der Retinopathie bei Kindern mit schwerer Malaria. Arch Ophthalmol. 2004;122:1141–7.

Artikel PubMed Google Scholar

Harding SP, Lewallen S, Beare NAV, Smith A, Taylor TE, Molyneux ME. Klassifizierung und Einstufung von Netzhautsymptomen bei schwerer Malaria. Trop Doktor. 2006;36(Suppl 1):1–13.

Artikel PubMed Google Scholar

Lewallen S, White VA, Whitten RO, Gardiner J, Hoar B, Lindley J, et al. Klinisch-histopathologische Korrelation der abnormalen Netzhautgefäße bei zerebraler Malaria. Arch Ophthalmol. 2000;118:924–8.

CAS PubMed Google Scholar

White VA, Lewallen S, Beare NAV, Molyneux ME, Taylor TE. Netzhautpathologie der pädiatrischen zerebralen Malaria in Malawi. Plus eins. 2009;4: e4317.

Artikel PubMed PubMed Central Google Scholar

Hero M, Harding SP, Riva CE, Winstanley PA, Peshu N, Marsh K. Fotografische und angiographische Charakterisierung der Netzhaut kenianischer Kinder mit schwerer Malaria. Arch Ophthalmol. 1997;115:997–1003.

Artikel CAS PubMed Google Scholar

Mohanty S., Benjamin LA, Majhi M., Panda P., Kampondeni S., Sahu PK, et al. Die Magnetresonanztomographie von Patienten mit zerebraler Malaria zeigt unterschiedliche pathogenetische Prozesse in verschiedenen Teilen des Gehirns. mSphere. 2017. https://doi.org/10.1128/mSphere.00193-17.

Artikel PubMed PubMed Central Google Scholar

WER. Screening auf diabetische Retinopathie – eine kurze Anleitung. Erhöhen Sie die Wirksamkeit, maximieren Sie den Nutzen und minimieren Sie den Schaden. Kopenhagen: WHO-Regionalbüro für Europa; 2020.

Google Scholar

Valikodath N, Cole E, Chiang MF, Campbell JP, Chan RVP. Bildgebung bei Frühgeborenen-Retinopathie. Asia-Pac J Ophthalmol. 2019;8:178–86.

CAS Google Scholar

Taylor TE, Fu WJ, Carr RA, Whitten RO, Mueller JS, Fosko NG, et al. Differenzierung der Pathologien der zerebralen Malaria durch postmortale Parasitenzählungen. Nat Med. 2004;10:143–5.

Artikel CAS PubMed Google Scholar

Poncet F. Malaria-Retinochoroiditis. Ann Ocul. 1878;79:201–18.

Google Scholar

Lewallen S, Taylor TE, Molyneux ME, Wills BA, Courtright P. Augenhintergrundbefunde bei malawischen Kindern mit zerebraler Malaria. Augenheilkunde. 1993;100:857–61.

Artikel CAS PubMed Google Scholar

Loareesuwan S, Warrell DA, White NJ, Chanthavanich P, Warrell MJ, Chantaratherakitti S, et al. Netzhautblutung, ein häufiges Zeichen von prognostischer Bedeutung bei zerebraler Malaria. Bin J Trop mit Hyg. 1983;32:911–5.

Artikel CAS PubMed Google Scholar

Lewallen S, Bakker H, Taylor TE, Wills BA, Courtright P, Molyneux ME. Netzhautbefunde, die den Ausgang einer zerebralen Malaria vorhersagen. Trans R Soc Trop Med Hyg. 1996;90:144–6.

Artikel CAS PubMed Google Scholar

Kochar DK, Shubhakaran, Kumawat BL, Thanvi I, Joshi A, Vyas SP. Ophthalmoskopische Anomalien bei Erwachsenen mit Falciparum-Malaria. QJM. 1998;91:845–52.

Artikel CAS PubMed Google Scholar

Lewallen S, Harding SP, Ajewole J, Schulenburg WE, Molyneux ME, Marsh K, et al. Eine Überprüfung des Spektrums klinischer Augenhintergrundbefunde bei P. falciparum-Malaria bei afrikanischen Kindern mit einem vorgeschlagenen Klassifizierungs- und Bewertungssystem. Trans R Soc Trop Med Hyg. 1999;93:619–22.

Artikel CAS PubMed Google Scholar

Beare NA, Southern C, Lochhead J, Molyneux ME, Lewallen S, Harding SP. Konkordanz zwischen Beobachtern bei der Einstufung von Retinopathie bei zerebraler Malaria. Ann Trop Med Parasitol. 2002;96:105–8.

Artikel CAS PubMed Google Scholar

Maude RJ, Beare NAV, Abu Sayeed A, Chang CC, Charunwatthana P, Faiz MA, et al. Das Spektrum der Retinopathie bei Erwachsenen mit Plasmodium falciparum-Malaria. Trans R Soc Trop Med Hyg. 2009;103:665–71.

Artikel PubMed Google Scholar

Sayeed AA, Maude RJ, Hasan MU, Mohammed N, Hoque MG, Dondorp AM, et al. Malaria-Retinopathie bei Erwachsenen in Bangladesch. Bin J Trop Med Hyg. 2011;84:141–7.

Artikel PubMed PubMed Central Google Scholar

Barrera V, MacCormick I, Czanner G, Hiscott P, White V, Craig A, et al. Die neurovaskuläre Sequestrierung bei pädiatrischer P. falciparum-Malaria ist klinisch in der Netzhaut sichtbar. Elife. 2018;7:29578406.

Artikel Google Scholar

Soliz P, Nemeth SC, Barriga ES, Harding SP, Lewallen S, Taylor TE, et al. Vergleich der Wirksamkeit von drei Netzhautkameratechnologien zur Erkennung von Malaria-Retinopathie in Malawi. Proc SPIE Int Soc Opt Eng. 2016;9693:96930B.

PubMed PubMed Central Google Scholar

Dithmar S, Holz FG. Fluorescence angiography in ophthalmology. Heidelberg: Springer Medizin Verlag; 2008.

Google Scholar

Davis TM, Suputtamongkol Y, Spencer JL, Ford S, Chienkul N, Schulenburg WE, et al. Messungen der Kapillarpermeabilität bei akuter Falciparum-Malaria: Zusammenhang mit der Schwere der Infektion und der Behandlung. Clin Infect Dis. 1992;15:256–66.

Artikel CAS PubMed Google Scholar

Beare NAV, Harding SP, Taylor TE, Lewallen S, Molyneux ME. Durchblutungsstörungen bei Kindern mit zerebraler Malaria und Malaria-Retinopathie. J Infect Dis. 2009;199:263–71.

Artikel PubMed Google Scholar

MacCormick I, Maude R, Beare N, Borooah S, Glover S, Parry D, et al. Einstufung von Fluoreszenzangiogrammen bei Malaria-Retinopathie. Malar J. 2015;14:367.

Artikel PubMed PubMed Central Google Scholar

MacCormick IJC, Barrera V, Beare NAV, Czanner G, Potchen M, Kampondeni S, et al. Wie hängt der Zusammenbruch der Blut-Netzhaut-Schranke mit Tod und Behinderung bei pädiatrischer zerebraler Malaria zusammen? J Infect Dis. 2022;225:1070–80.

Artikel PubMed Google Scholar

Tu Z, Gormley J, Sheth V, Seydel KB, Taylor T, Beare N, et al. Zerebrale Malaria: Einblick in die Pathologie durch optische Kohärenztomographie. Sci Rep. 2021;11:15722.

Artikel CAS PubMed PubMed Central Google Scholar

Paquet-Durand F, Beck SC, Das S, Huber G, Chang L, Schubert T, et al. Ein Netzhautmodell der zerebralen Malaria. Sci Rep. 2019;9:3470.

Artikel PubMed PubMed Central Google Scholar

Langfitt JT, McDermott MP, Brim R, Mboma S, Potchen MJ, Kampondeni SD, et al. Neuroentwicklungsstörungen 1 Jahr nach zerebraler Malaria. Pädiatrie. 2019;143: e20181026.

Artikel PubMed Google Scholar

Li T, Bo W, Hu C, Kang H, Liu H, Wang K, et al. Anwendungen von Deep Learning in Fundusbildern: eine Übersicht. Med Image Anal. 2021;69: 101971.

Artikel PubMed Google Scholar

LeCun Y, Bengio Y, Hinton G. Deep Learning. Natur. 2015;521:436–44.

Artikel CAS PubMed Google Scholar

Kurup A, Soliz P, Nemeth S, Joshi V. Automatisierte Erkennung von Malaria-Retinopathie mittels Transferlernen. Proc IEEE Southwest Symp Image Anal Interpret. 2020;2020:18–21.

CAS PubMed PubMed Central Google Scholar

Beare N, Riva C, Taylor T, Molyneux M, Kayira K, White V, et al. Veränderungen der Durchblutung des Sehnervenkopfes bei Kindern mit zerebraler Malaria und akutem Papilloödem. J Neurol Neurochirurgische Psychiatrie. 2006;77:1288–90.

Artikel CAS PubMed PubMed Central Google Scholar

Ghazanfari N, Mueller SN, Heath WR. Zerebrale Malaria bei Maus und Mensch. Frontimmunol. 2018;9:2016.

Artikel PubMed PubMed Central Google Scholar

Liu X, Rice D, Khoobehi B. Spektrale Reflexion des Augenhintergrundes als diagnostischer Marker für zerebrale Malaria. In: Nordstrom R, Cote G (Hrsg.). Tagungsband von SPIE.2012.

Remer I, Pierre-Destine LF, Tay D, Golightly LM, Bilenca A. Nichtinvasive In-vivo-Visualisierung der Netzhautperfusionsstörung bei muriner zerebraler Malaria durch Kamera-Telefon-Laser-Speckle-Bildgebung. J Biophotonik. 2019;12: e201800098.

Artikel PubMed Google Scholar

Dorovini-Zis K, Schmidt K, Huynh H, Fu W, Whitten RO, Milner D, et al. Die Neuropathologie der tödlichen zerebralen Malaria bei malawischen Kindern. Bin J Pathol. 2011;178:2146–58.

Artikel PubMed PubMed Central Google Scholar

Storm J, Jespersen JS, Seydel KB, Szestak T, Mbewe M, Chisala NV, et al. Zerebrale Malaria ist mit einer unterschiedlichen Zytoadhärenz an Endothelzellen des Gehirns verbunden. EMBO Mol Med. 2019;11:e9

Artikel PubMed PubMed Central Google Scholar

Moxon CA, Wassmer SC, Milner DA, Chisala NV, Taylor TE, Seydel KB, et al. Der Verlust endothelialer Protein-C-Rezeptoren verbindet Gerinnung und Entzündung mit der Parasitensequestrierung bei zerebraler Malaria bei afrikanischen Kindern. Blut. 2013;122:842–51.

Artikel CAS PubMed PubMed Central Google Scholar

Sahu PK, Duffy FJ, Dankwa S, Vishnyakova M, Majhi M, Pirpamer L, et al. Determinanten der Hirnschwellung bei zerebraler Malaria bei Kindern und Erwachsenen. JCI Insight. 2021;6: e145823.

Artikel PubMed PubMed Central Google Scholar

Seydel KB, Campondeni SD, Valim C, Potchen MJ, Milner DA, Muwalo FW, et al. Hirnschwellung und Tod bei Kindern mit zerebraler Malaria. N Engl J Med. 2015;372:1126–37.

Artikel CAS PubMed PubMed Central Google Scholar

Pal P, Daniels BP, Oskman A, Diamond MS, Klein RS, Goldberg DE. Das histidinreiche Protein II von Plasmodium falciparum beeinträchtigt die Endothelbarrieren des Gehirns und kann die Pathogenese zerebraler Malaria fördern. mBio. 2016;7:e00617-16.

Artikel CAS PubMed PubMed Central Google Scholar

Taylor T. Behandlung von Hirnschwellungen bei pädiatrischer zerebraler Malaria. Clinicaltrials.gov; Okt. 2022 [zitiert am 15. Dez. 2022]. Berichtsnummer: NCT03300648. https://clinicaltrials.gov/ct2/show/NCT03300648

Birbeck GL, Molyneux ME, Kaplan PW, Seydel KB, Chimalizeni YF, Kawaza K, et al. Blantyre Malaria Project Epilepsy Study (BMPES) zu neurologischen Ergebnissen bei Retinopathie-positiven Überlebenden pädiatrischer zerebraler Malaria: eine prospektive Kohortenstudie. Lancet Neurol. 2010;9:1173–81.

Artikel PubMed PubMed Central Google Scholar

Schiess N, Villabona-Wheel A, Cottier KE, Huether K, Chipeta J, Stins MF. Pathophysiologie und neurologische Folgen der zerebralen Malaria. Malar J. 2020;19:2

Artikel PubMed PubMed Central Google Scholar

Li W, Fang W, Wang J, He Y, Deng G, Ye H, et al. Ein schwach überwachter Deep-Learning-Ansatz zur Leckerkennung in Fluoreszenzangiographiebildern. Transl Vis Sci Technol. 2022;11:9.

Artikel PubMed PubMed Central Google Scholar

Chen X, Leak M, Harding S, Zheng Y. 2020. KI-basierte Methode zur Erkennung von Netzhautblutungen in Augen mit Malaria-Retinopathie. In: Zheng Y, Williams B, Chen K (Hrsg.). Medizinisches Bildverständnis und -analyse. Cambridge. P. 439–49.

Yan Q, Zhao Y, Zheng Y, Liu Y, Zhou K, Frangi A, et al. Automatisierte Erkennung von Netzhautläsionen mittels Bildausprägungsanalyse. Med. Phys. 2019;46:4531–44.

Artikel PubMed Google Scholar

Zhao Y, Zheng Y, Zhao Y, Liu Y, Chen Z, Liu P, et al. Eindeutigkeitsgesteuerte Ausprägungsanalyse zur automatisierten Läsionserkennung mit Anwendungen bei Netzhauterkrankungen. In: Frangi Alexander F, Schnabel Julia A, Davatzikos Christos, Alberola-Lopez Carlos, Fichtinger Gabor, Herausgeber, et al., Medical Image Computing and Computer-assisted Intervention MICCAI Pt II. Cham: Springer International Publishing; 2018. S. 109–18.

Google Scholar

Rochim FP, Nugroho HA, Setiawan NA. Optimierung der Leckerkennung auf Bildern der Netzhaut-Fluoreszenzangiographie mithilfe der Phasendehnungstransformation bei Malaria-Retinopathie. Kommunale Sci-Technol. 2018;3:44–7.

Artikel Google Scholar

Joshi V, Wigdahl J, Nemeth S, Manda C, Lewallen S, Taylor T, et al. Automatisierte Erkennung von Malaria-Retinopathie in Bildern des Netzhautfundus, die im klinischen Umfeld erstellt wurden. Annu Int Conf IEEE Eng Med Biol Soc. 2018;2018:5950–3.

PubMed Google Scholar

Zhao Y, Zheng Y, Liu Y, Yang J, Zhao Y, Chen D, et al. Intensität und Kompaktheit ermöglichten die Abschätzung der Ausprägung zur Leckerkennung bei diabetischer und malariabedingter Retinopathie. IEEE Trans Med Imaging. 2017;36:51–63.

Artikel PubMed Google Scholar

Zhao Y, Su P, Yang J, Zhao Y, Zheng Y, Wang Y. Ein auf Kompaktheit basierender Salienzansatz zur Erkennung von Leckagen im Fluorescein-Angiogramm. Int J Mach Cybern lernen. 2017;8:1971–9.

Artikel CAS Google Scholar

MacCormick IJC, Zheng Y, Czanner S, Zhao Y, Diggle PJ, Harding SP, et al. Räumliche statistische Modellierung der kapillaren Nichtperfusion in der Netzhaut. Sci Rep. 2017;7:16792.

Artikel PubMed PubMed Central Google Scholar

Joshi V, Agurto C, Barriga S, Nemeth S, Soliz P, MacCormick IJ, et al. Automatisierte Erkennung von Malaria-Retinopathie in digitalen Fundusbildern zur verbesserten Diagnose bei malawischen Kindern mit klinisch definierter zerebraler Malaria. Sci Rep. 2017;7:42703.

Artikel CAS PubMed PubMed Central Google Scholar

Akram M, Alvi A, Khan S. Automatische Erkennung und Klassifizierung von Malaria-Retinopathie-assoziierter Netzhautaufhellung in digitalen Netzhautbildern. MEHRAN Univ Res J Eng Technol. 2017;36:941–56.

Artikel Google Scholar

Zhao Y, MacCormick IJC, Parry DG, Beare NAV, Harding SP, Zheng Y. Automatisierte Erkennung von Gefäßanomalien im Fluorescein-Angiogramm bei Malaria-Retinopathie. Sci Rep. 2015;5:11154.

Artikel PubMed PubMed Central Google Scholar

Zhao Y, MacCormick IJC, Parry DG, Leach S, Beare NAV, Harding SP, et al. Automatisierte Erkennung von Leckagen in Fluoreszenzangiographiebildern mit Anwendung auf Malaria-Retinopathie. Sci Rep. 2015;5:10425.

Artikel CAS PubMed PubMed Central Google Scholar

Joshi V, Agurto C, Barriga S, Nemeth S, Soliz P, MacCormick I, et al. Automatisierte Erkennung der Netzhautaufhellung bei Malaria-Retinopathie. In: Medizinische Bildgebung: Computergestützte Diagnose. 2016.

Ashraf A, Akram M, Sheikh S, Abbas S. Erkennung von Makulaaufhellung, Watteflecken und Netzhautblutungen zur Diagnose einer Malaria-Retinopathie. In: IEEE Conference on Imaging Systems and Techniques Proceedings. 2015. S. 89–93.

Agurto C, Nemeth S, Barriga S, Soliz P, MacCormick I, Taylor T, et al. Erkennung von Gefäßverfärbungen bei Malaria-Retinopathie. In: Medical Imaging 2016: Computergestützte Diagnose. 2015.

Zheng Y, Kwong MT, Maccormick IJC, Beare NAV, Harding SP. Ein umfassendes Textursegmentierungs-Framework für die Segmentierung kapillarer Nichtperfusionsbereiche in Fundus-Fluorescein-Angiogrammen. Plus eins. 2014;9: e93624.

Artikel PubMed PubMed Central Google Scholar

Saleem M, Akram M, IEEE. Erkennung von Blutungen zur Diagnose einer Malaria-Retinopathie. Internationale Konferenz für biomedizinische Bildgebung in Kairo (CIBEC). Gizeh: IEEE; 2014. S. 141–4.

Google Scholar

Joshi V, Maude R, Reinhardt J, Tang L, Garvin M, Abu Sayeed A, et al. Automatisierte Erkennung von Malaria-Retinopathie-assoziierten Netzhautblutungen. Invest Ophthalmol Vis Sci. 2012;53:6582–8.

Artikel PubMed PubMed Central Google Scholar

Referenzen herunterladen

Wir möchten uns für die anhaltende Unterstützung der Malariaforschung durch den Malawi-Liverpool-Wellcome Trust, das Queen Elizabeth Central Hospital und die Kumuzu University of Health Sciences bedanken.

Für die Erstellung dieser Rezension waren keine finanziellen Mittel erforderlich.

Abteilung für Augen- und Sehwissenschaften, Universität Liverpool, Liverpool, Großbritannien

Kyle J. Wilson, Yanda Meng, Yalin Zheng und Nicholas AV Beare

Malawi-Liverpool-Wellcome Trust, Blantyre, Malawi

Kyle J. Wilson

Abteilung für Augenheilkunde, Sheffield Teaching Hospitals, Sheffield, Großbritannien

Amit Dhalla

School of Psychology and Vision Sciences, College of Life Science, The University of Leicester Ulverscroft Eye Unit, Robert Kilpatrick Clinical Sciences Building, Leicester Royal Infirmary, Leicester, Großbritannien

Zhanhan Tu

St. Paul's Eye Unit, Royal Liverpool University Hospitals, Liverpool, Großbritannien

Yalin Zheng & Nicholas AV Beare

Liverpool Centre for Cardiocular Science, University of Liverpool und Liverpool Heart and Chest Hospital, Liverpool, Großbritannien

Yalin Zheng

Abteilung für Augenheilkunde, Kamuzu University of Health Sciences, Blantyre, Malawi

Priscilla Mhango

College of Osteopathic Medicine, Michigan State University, East Lansing, MI, USA

Karl B. Seydel

Blantyre Malaria Project, Kamuzu University of Health Sciences, Blantyre, Malawi

Karl B. Seydel

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

KW sichtete Literatur, überprüfte Volltexte, erstellte Abbildungen und Tabellen und verfasste das Manuskript. AD hat die Literatur gesichtet und die Volltexte geprüft. YM und YZ stellten fachkundige Beratung zum Thema künstliche Intelligenz zur Verfügung und trugen zum Verfassen des Manuskripts bei. KBS leistete fachkundige Beratung zur Malaria-Pathogenese. YZ, PM und NB haben das Manuskript überprüft und bearbeitet. Alle Autoren haben das endgültige Manuskript überprüft und genehmigt.

Korrespondenz mit Kyle J. Wilson oder Nicholas AV Beare.

Für die Erstellung dieser Bewertung waren keine ethischen Genehmigungen erforderlich.

Alle reproduzierten Bilder erfolgen mit Genehmigung des Originalautors.

Die Autoren erklären, dass sie keine konkurrierenden Interessen haben.

Springer Nature bleibt neutral hinsichtlich der Zuständigkeitsansprüche in veröffentlichten Karten und institutionellen Zugehörigkeiten.

(tw:((tw:(optische Kohärenztomographie)) ODER (tw:(Fluoreszenzangiographie)) ODER (tw:(Indocyaningrün)) ODER (tw:(Fotografie)) ODER (tw:(Netzhautfotografie)) ODER ( tw:(Netzhautbildgebung)) ODER (tw:(Netzhautkamera)) ODER (tw:(Fundusfotografie)) ODER (tw:(Fundusbildgebung)) ODER (tw:(Funduskamera)) ODER (tw:(optische Bildgebung )))) UND (tw:(Malaria)).

(exp Tomographie, Optische Kohärenz/ ODER exp Fluoreszenzangiographie/ ODER exp Fotografie/ ODER exp Indocyaningrün/ ODER exp Optische Bildgebung/ ODER Fundusfotografie.mp. ODER Fundusabbildung.mp. ODER Funduskamera.mp. ODER Fundusfotografie.mp. ODER Netzhautfotografie.mp. ODER Netzhautbildgebung.mp. ODER Netzhautkamera.mp. ODER Netzhautfotografie.mp.) UND (exp Malaria, zerebral/ ODER (exp Retina/ UND exp Malaria/) ODER Malaria-Retinopathie.mp.)

( ( TITEL-ABS-SCHLÜSSEL (optisch UND Kohärenz UND Tomographie) ODER TITEL-ABS-SCHLÜSSEL (Fluoreszein UND Angiographie) ODER TITEL-ABS-SCHLÜSSEL (Indocyanin UND Grün) ODER TITEL-ABS-SCHLÜSSEL (Fotografie) ODER TITEL-ABS-SCHLÜSSEL SCHLÜSSEL (optisch UND Bildgebung) ODER TITEL-ABS-SCHLÜSSEL (Fundus UND Kamera) ODER TITEL-ABS-SCHLÜSSEL (Fundus UND Fotografie) ODER TITEL-ABS-SCHLÜSSEL (Fundus UND Foto) ODER TITEL-ABS-SCHLÜSSEL (Fundus UND Bildgebung) ODER TITEL-ABS-TASTE (Netzhaut UND Kamera) ODER TITEL-ABS-TASTE (Netzhaut UND Fotografie) ODER TITEL-ABS-TASTE (Netzhaut UND Foto) ODER TITEL-ABS-TASTE (Netzhaut UND Bildgebung))) UND ( ( ( TITEL-ABS-SCHLÜSSEL (Malaria) UND TITEL-ABS-SCHLÜSSEL (Retina))) ODER ( (TITEL-ABS-SCHLÜSSEL (Malaria UND Retinopathie) ODER TITEL-ABS-SCHLÜSSEL (Zerebral UND Malaria)))).

(ALLE = (optische Kohärenztomographie) ODER ALLE = (Fluoreszenzangiographie) ODER ALLE = (Indocyaningrün) ODER ALLE = (Fotografie) ODER ALLE = (optische Bildgebung) ODER ALLE = (Netzhautbildgebung) ODER ALLE = (Netzhautkamera) ODER ALLE = (Netzhautfoto) ODER ALLE = (Netzhautfotografie) ODER ALLE = (Fundusbildgebung) ODER ALLE = (Funduskamera) ODER ALLE = (Fundusfoto) ODER ALLE = (Fundusfotografie)) UND ((ALLE = (Netzhaut) UND ALLE = (Malaria) ODER ALLE = (zerebrale Malaria) ODER ALLE = (Malaria-Retinopathie)).

Studienautor

Jahr

Netzhautfotografie

Soliz [23]

2016

Sayeed [21]

2011

Maude [20]

2009

Held [8]

1997

Davis [25]

1991

Fluoreszenzangiographie

MacCormick [28]

2022

Barrera [22]

2018

MacCormick [27]

2015

Bär [26]

2008

Held [8]

1997

Davis [25]

1992

Optische Kohärenztomographie

Di [29]

2021

Paquet-Durand [30]

2019

Andere

Ruderer [38]

2018

Liu [37]

2012

Bär [35]

2006

Automatische Erkennung

Li [48]

2022

Kurup [34]

2020

Chen [49]

2020

Yan [50]

2019

Zhao [51]

2018

Rochim [52]

2018

Joshi [53]

2018

Zhao [54]

2017

Zhao [55]

2017

MacCormick [56]

2017

Joshi [57]

2017

Akram [58]

2017

Zhao [59]

2015

Zhao [60]

2015

Joshi [61]

2015

Ashraf [62]

2015

Ashraf [62]

2015

Agurto [63]

2015

Zheng [64]

2014

Saleem [65]

2014

Joshi [66]

2012

Open Access Dieser Artikel ist unter einer Creative Commons Attribution 4.0 International License lizenziert, die die Nutzung, Weitergabe, Anpassung, Verbreitung und Reproduktion in jedem Medium oder Format erlaubt, sofern Sie den/die ursprünglichen Autor(en) und die Quelle angemessen angeben. Geben Sie einen Link zur Creative Commons-Lizenz an und geben Sie an, ob Änderungen vorgenommen wurden. Die Bilder oder anderes Material Dritter in diesem Artikel sind in der Creative-Commons-Lizenz des Artikels enthalten, sofern in der Quellenangabe für das Material nichts anderes angegeben ist. Wenn Material nicht in der Creative-Commons-Lizenz des Artikels enthalten ist und Ihre beabsichtigte Nutzung nicht durch gesetzliche Vorschriften zulässig ist oder über die zulässige Nutzung hinausgeht, müssen Sie die Genehmigung direkt vom Urheberrechtsinhaber einholen. Um eine Kopie dieser Lizenz anzuzeigen, besuchen Sie http://creativecommons.org/licenses/by/4.0/. Der Creative Commons Public Domain Dedication-Verzicht (http://creativecommons.org/publicdomain/zero/1.0/) gilt für die in diesem Artikel zur Verfügung gestellten Daten, sofern in einer Quellenangabe für die Daten nichts anderes angegeben ist.

Nachdrucke und Genehmigungen

Wilson, KJ, Dhalla, A., Meng, Y. et al. Netzhautbildgebungstechnologien bei zerebraler Malaria: eine systematische Überprüfung. Malar J 22, 139 (2023). https://doi.org/10.1186/s12936-023-04566-7

Zitat herunterladen

Eingegangen: 15. Dezember 2022

Angenommen: 20. April 2023

Veröffentlicht: 26. April 2023

DOI: https://doi.org/10.1186/s12936-023-04566-7

Jeder, mit dem Sie den folgenden Link teilen, kann diesen Inhalt lesen:

Leider ist für diesen Artikel derzeit kein Link zum Teilen verfügbar.

Bereitgestellt von der Content-Sharing-Initiative Springer Nature SharedIt