KI gestaltet die präventive Augenversorgung neu und schützt das Sehvermögen

Augen, ein wichtiges Sinnesorgan, spielen in jeder Phase unseres Lebens eine bedeutende Rolle.

Sie übermitteln dem Gehirn Informationen über die Außenwelt. Ohne das Sehen würden wir Schwierigkeiten haben, alltägliche Aufgaben wie Lesen, Lernen, Gehen und die Interaktion mit unserer Umgebung zu bewältigen.

Gutes Sehvermögen ist entscheidend, um Unabhängigkeit zu genießen und natürlich die Freuden des Lebens.

Allerdings sind mehr als 2.2 Milliarden Menschen nicht in der Lage, dies zu tun, weil sie eine Sehbehinderung haben, die durch eine Augenkrankheit verursacht wird, die das visuelle System und seine Funktionen beeinträchtigt. 

Katarakte, Glaukom, Fehlsichtigkeiten, diabetische Retinopathie, altersbedingte Makuladegeneration (AMD) und Presbyopie gehören zu den Hauptursachen für Sehbehinderungen.

Sehbehinderungen haben gravierende Folgen für das Leben einer Person, von denen viele durch rechtzeitigen Zugang zu hochwertiger Augenversorgung gemildert werden können. Über die Auswirkungen auf Einzelpersonen hinaus stellt Sehbehinderung auch eine erhebliche finanzielle Belastung dar, wobei die jährlichen globalen Kosten durch Produktivitätsverlust auf 411 Milliarden US‑Dollar geschätzt werden.

Daher stehen Augenkrankheiten, die Sehbehinderung und Blindheit verursachen können, im Mittelpunkt der Strategien zur Augenversorgung.

KI in der Ophthalmologie

Da Sehbehinderungen die Lebensqualität einer Person verringern und eine erhebliche globale wirtschaftliche Belastung darstellen, wenden Ärzte, Wissenschaftler und Forscher künstliche Intelligenz (KI) an, um die Augenversorgung zu transformieren.

Die sich schnell entwickelnde Technologie verbessert die betriebliche Effizienz und Datenanalyse in den Bereichen Finanzen, Fertigung, Einzelhandel, Medien und Gesundheitswesen.

Im Gesundheitswesen und in der Medizin hat der Einfluss von KI in den letzten Jahren stark zugenommen. 

KI für die Früherkennung: DR, Glaukom und AMD

In der Ophthalmologie ermöglicht KI speziell die Früherkennung von Krankheiten wie Glaukom, diabetischer Retinopathie und AMD durch die Analyse von Netzhautbildern und Patientendaten. Hier ermöglichen KI‑Werkzeuge personalisierte Interventionen sowie automatisierte Diagnosen und Screenings. 

Die Technologie bietet zudem chirurgische Unterstützung, hilft bei der Auswahl von Kandidaten, optimiert Techniken, minimiert Komplikationen und sagt postoperativen Ergebnisse voraus.

KI wird laut Experten in Zukunft eine zunehmende Rolle in der klinischen und chirurgischen Praxis der vorderen Segmentchirurgie spielen, die sich auf die vorderen Strukturen des Auges konzentriert, um Verletzungen und Erkrankungen wie Katarakte und Hornhauterkrankungen zu behandeln.

Bereits wird die Technologie hier eingesetzt, um Katarakte zu screenen und zu diagnostizieren, chirurgische Phasen zu klassifizieren und den Operationszeitpunkt vorherzusagen, um den OP‑Ablauf zu optimieren. Darüber hinaus wird KI zur optimalen Berechnung der IOL‑Leistung (Intraokularlinse) verwendet, die die refraktive Stärke der synthetischen Linse bezeichnet, die während der Kataraktoperation eingesetzt wird, um die natürliche Linse zu ersetzen.

Es gibt schließlich eine Menge Literatur sowie Bilddaten, die über die Jahre im Rahmen der Routinepraxis gesammelt wurden.

Wischen zum Scrollen →

Wie LLMs im Vergleich zu Ophthalmologen abschneiden

Eine Studie hat tatsächlich ergeben, dass KI die Fähigkeit von nicht‑spezialisierten Ärzten, Augenprobleme zu beurteilen, übertrifft¹.

Unter Leitung der Universität Cambridge berichtete die Studie, dass das klinische Wissen und die Denkfähigkeiten des populären großen Sprachmodells (LLM) GPT‑4 nun das Niveau von Fachärzten für Augenheilkunde erreichen.

GPT‑4 wurde gegen erfahrene Augenärzte, unspezialisierte Assistenzärzte und Assistenzärzte getestet, wobei jedem bis zu 87 Szenarien zu spezifischen Augenproblemen präsentiert wurden. Die Fragen deckten ein breites Spektrum an Augenproblemen ab, entnommen aus einem Lehrbuch, das zur Prüfung von Assistenzärzten verwendet wird, aber nicht frei im Internet verfügbar ist, sodass es unwahrscheinlich ist, dass die Trainingsdaten von GPT‑4 diesen Inhalt enthielten.

Die Ärzte mussten aus vier Optionen eine Diagnose oder Behandlungsempfehlung auswählen. Laut der Studie erzielte das KI‑Modell im Test höhere Punktzahlen als Assistenzärzte und erreichte etwa die gleichen Werte wie Assistenzärzte und Experten, obwohl die bestplatzierten Ärzte höhere Werte als GPT‑4 erzielten.

LLMs werden jedoch laut den Forschern keine Gesundheitsfachkräfte ersetzen, sie können jedoch das Gesundheitswesen verbessern, indem sie in bestimmten Kontexten Diagnosen, Ratschläge und Managementvorschläge liefern.

Vom Labor zur Klinik: Ergebnisse aus realen Screening‑Studien

Eine aktuelle Studie bewertete die Implementierung von KI bei der Glaukomerkennung² in realen Umgebungen.

Dafür entwickelten sie ein automatisiertes Retinografie‑ und KI‑basiertes Screening‑System, um dessen Akzeptanz, Machbarkeit und Genauigkeit zu beurteilen. Die Studie rekrutierte Personen ab 50 Jahren, deren Netzhautbilder mit einer automatisierten Funduskamera aufgenommen und von KI analysiert wurden.

Das KI‑System erreichte einen AUROC von 0,80, was die starke Fähigkeit der Technologie zeigt, zwischen Zuständen zu unterscheiden. Die Sensitivität lag bei 65 %, was die korrekt von der KI identifizierten tatsächlichen Fälle widerspiegelt, während die Spezifität 94,6 % betrug und eine genaue Klassifizierung gesunder Personen darstellte. Unter den 161 Patienten, die zuvor nicht diagnostiziert waren, wurden 18 (11,2 %) als referierbares Glaukom identifiziert. Die Studie stellte fest:

„Trotz Herausforderungen wie geringerer Sensitivität und Einschränkungen bei der Bildaufnahme zeigt das System vielversprechende Möglichkeiten für opportunistisches Screening in primären Versorgungseinrichtungen.“ 

Eine Übersicht³ des Fachbereichs Ophthalmologie der Capital Medical University, China, untersuchte gleichzeitig die Anwendungen und Herausforderungen von KI bei Myopie.

Derzeit betrifft diese Erkrankung weltweit über zwei Milliarden Menschen, und bis 2050 wird fast die Hälfte der Weltbevölkerung davon betroffen sein. Wird Myopie nicht korrigiert, kann sie das Sehvermögen beeinträchtigen, die Bildung stören und die Beschäftigungsmöglichkeiten beeinflussen, während hochgradige Myopie zu dauerhaftem Sehverlust führen kann. Daher ist eine frühe Diagnose wichtig, um das Fortschreiten zu managen und langfristige Sehschäden zu verhindern.

Hier kann KI ein vielversprechendes Werkzeug bieten, indem sie komplexe medizinische Daten analysiert.

Zur Erkennung von Myopie können KI‑Modelle mit großen Mengen an Fundus‑Fotos und OCT‑Bildern trainiert werden, um Veränderungen in der Netzhaut zu erkennen, die mit Myopie assoziiert sind. KI kann auch darauf trainiert werden, Verhaltensänderungen zu erkennen, die mit dem Auftreten von Myopie verbunden sind. Selbstüberwachungsgeräte wie SVOne können KI nutzen, um refraktive Fehler im Auge zu erkennen. Um Risikofaktoren zu entdecken, können Techniken wie logistische Regression, Support‑Vector‑Maschine und XGBoost eingesetzt werden.

Obwohl KI die klinische Praxis und die Politik bei der Myopiekontrolle unterstützen kann, gibt es auch Herausforderungen.

„Durch den Aufbau hochwertiger Datensätze, die Verbesserung der Fähigkeit des Modells, multimodale Bilddaten zu verarbeiten, und die Verbesserung der Mensch‑Computer‑Interaktionsfähigkeit können die KI‑Modelle weiter für eine breite klinische Anwendung verbessert werden.“

– Dr. Jifeng Yu

Bekämpfung der Ungleichheit

Obwohl Sehprobleme weit verbreitet sind, ist die Beeinträchtigung in Ländern mit niedrigem und mittlerem Einkommen (LMICs) im Vergleich zu wohlhabenden Regionen stärker verbreitet. Durch die Möglichkeit, mehr Menschen zu screenen, kann KI dazu beitragen, die Lücke in Regionen mit begrenztem Zugang zu spezialisierter Augenversorgung zu schließen.

Zu diesem Zweck hat der Technologieriese Google ein KI‑Modell namens ARDA (Automated Retinal Disease Assessment) entwickelt und kürzlich das KI‑Modell zur Erkennung von diabetischer Retinopathie an Technologieunternehmen im Gesundheitswesen in Thailand und Indien lizenziert.

„Sie werden ihre eigenen Geschäftsmodelle aufbauen, aber gleichzeitig auch Screenings für Menschen durchführen, die es am dringendsten benötigen, sich diese jedoch nicht leisten können. Blindheit durch diabetische Retinopathie ist vollständig vermeidbar, und die Tatsache, dass wir in einigen dieser Regionen kein effektives Screening durchführen konnten, sollte nicht entschuldigt werden.“

– Sunny Virmani, Projektmanager bei Google Health

Diabetes, das in LMICs immer häufiger wird, kann das Sehvermögen stark beeinträchtigen, indem es zu verschwommenem Sehen, diabetischem Makulaödem, Glaukom und diabetischer Retinopathie führt. Letztere entsteht durch übermäßigen Blutzucker, der die Blutgefäße schädigt und zu Flüssigkeitsaustritt ins Auge führt.

Diabetische Retinopathie kann Sehveränderungen verursachen und schließlich zur Erblindung führen. Eine frühzeitige Diagnose und Behandlung reduziert das Risiko um bis zu 98 %. Doch nur ein kleiner Teil der Diabetiker wird gescreent.

Vor über einem Jahrzehnt begannen Dale Webster, Forschungsdirektor bei Google Health, und seine Kollegen, die Fähigkeit von KI zu testen, Krankheiten anhand medizinischer Bilder zu diagnostizieren.

Dies führte zu ARDA, das die Krankheit ebenso effektiv diagnostizieren kann wie ein Ophthalmologe.

Für das KI‑Modell screente das Google‑Team zwischen 2018 und 2020 7.651 Personen in drei Regionen Thailands, wobei ARDA eine Genauigkeit von 94,7 % erreichte und zeigte, dass „diese Werkzeuge sicher und wirksam sind.“

Klicken Sie hier für eine Liste der zehn wichtigsten Aktien von Spezialisten für seltene Krankheiten.

Durchbruch von KI im Management von Keratokonus

Mit all diesem Fortschritt haben Forscher nun eine KI entwickelt, die erfolgreich vorhersagen kann, welche Keratokonus‑Patienten wahrscheinlich erblinden werden und daher frühzeitig behandelt und überwacht werden müssen, Jahre bevor Ärzte es können. Auf diese Weise kann die Technologie unnötige Eingriffe reduzieren und den Sehverlust verhindern.

Keratokonus ist eine fortschreitende Augenerkrankung ohne bekannte Ursache.

Bei dieser Erkrankung verformt sich die Hornhaut. Sie ist die klare, kuppelförmige Schicht, die die Iris und die Pupille bedeckt, Licht hereinlässt und es für klares Sehen fokussiert.

Wenn die Hornhaut dünner wird und sich zu einer Kegelform wölbt, spricht man von Keratokonus. Die Formänderung der Hornhaut führt dazu, dass Lichtstrahlen unscharf fokussiert werden, was zu verzerrtem Sehen führt. Weitere Symptome sind Blendung, Lichtempfindlichkeit und verschwommenes Sehen, was alltägliche Aufgaben wie Fahren oder Lesen erschwert.

Diese Erkrankung entwickelt sich häufig in den späten Teenagerjahren oder frühen Zwanzigern und schreitet im Laufe der Zeit fort.

Obwohl die genaue Ursache unbekannt ist, kann sie genetisch bedingt sein; bei 1 von 10 Personen mit Keratokonus hat ein Elternteil ebenfalls die Erkrankung. Keratokonus steht auch im Zusammenhang mit übermäßigem Augenreiben, Augenallergien, Hornhautverdünnung durch Kollagenverlust und Bindegewebserkrankungen.

Typischerweise betrifft die Erkrankung beide Augen, kann jedoch zu sehr unterschiedlichen Sehschärfen und Symptomen zwischen den beiden Augen führen.

Die Symptome des Keratokonus verschlechtern sich über einen Zeitraum von zehn bis zwanzig Jahren langsam. In frühen Stadien können Symptome wie Rötung oder Schwellung des Auges, erhöhte Licht- und Blendempfindlichkeit, leichtes Verschwimmen des Sehens und leichte Verzerrung auftreten. In späteren Stadien gehören häufig zunehmende Kurzsichtigkeit oder Astigmatismus sowie stärkeres Verschwimmen und Verzerren des Sehens dazu.

Während der frühen Stadien können Sehprobleme oft mit Brillen oder Kontaktlinsen korrigiert werden, in späteren Stadien können jedoch starre gasdurchlässige Kontaktlinsen erforderlich sein.

Wird die Erkrankung jedoch nicht rechtzeitig behandelt und verschlimmert sich, können Hornhauttransplantationen, Intacs (kleine Hornhautimplantate) und Hornhaut‑Cross‑Linking (CXL) erforderlich werden. Jetzt, um Keratokonus zu diagnostizieren, überwachen Ärzte die Patienten im Zeitverlauf.

Während der routinemäßigen Augenuntersuchungen untersucht ein Ophthalmologe die Hornhaut und kann spezialisierte Bildgebung einsetzen, um die Krümmung zu messen, die Änderungen in ihrer Form zeigt.

„Keratokonus ist eine behandelbare Erkrankung, aber zu wissen, wer behandelt werden muss, wann und wie die Behandlung zu erfolgen hat, ist herausfordernd. Leider kann dieses Problem zu Verzögerungen führen, wobei viele Patienten Sehverlust erleiden und invasive Implantat‑ oder Transplantationsoperationen benötigen.“

– Dr. José Luis Güell, ESCRS‑Stellvertreter und Leiter der Abteilung für Hornhaut-, Katarakt‑ und refraktive Chirurgie am Instituto de Microcirugía Ocular, Spanien

Forscher haben jedoch nun einen Durchbruch erzielt, der die Augenversorgung neu gestalten könnte, indem KI vorhersagen kann, welche Keratokonus‑Patienten vor einer irreversiblen Schädigung dringend eine Hornhautbehandlung benötigen, was das Sehvermögen retten und Transplantationen reduzieren könnte.

Die Studie wurde kürzlich auf dem 43. Kongress der European Society of Cataract and Refractive Surgeons (ESCRS) vorgestellt.

Rettung des menschlichen Sehvermögens & Gesundheitsressourcen

Durchgeführt von Dr. Shafi Balal und Kollegen am Moorfields Eye Hospital NHS Foundation Trust und der University College London (UCL) nutzte die Studie KI, um Bilder der Augen von Patienten zu analysieren und mit anderen Daten zu kombinieren, um vorherzusagen, welche Keratokonus‑Patienten sofortige Behandlung benötigen und welche weiter überwacht werden können.

„Keratokonus verursacht Sehbehinderungen bei jungen, erwerbsfähigen Patienten und ist der häufigste Grund für Hornhauttransplantationen in der westlichen Welt.“

– Dr. Balal

Mit nur einer einzigen Behandlung namens „Cross‑Linking“ kann das Fortschreiten der Erkrankung gestoppt werden. Die Therapie verwendet ultraviolettes Licht und Riboflavin‑Augentropfen, um die Hornhaut zu versteifen.

Die Cross‑Linking‑Behandlung muss jedoch durchgeführt werden, bevor Narben dauerhaft werden, wodurch die Notwendigkeit einer Hornhauttransplantation entfällt. Sie ist tatsächlich in über 95 % der Fälle erfolgreich. Laut Dr. Balal:

„Allerdings können Ärzte derzeit nicht vorhersagen, welche Patienten fortschreiten und eine Behandlung benötigen, und welche stabil bleiben und nur überwacht werden können. Das bedeutet, dass Patienten über viele Jahre hinweg häufig überwacht werden müssen, wobei das Cross‑Linking typischerweise erst nach bereits erfolgtem Fortschritt durchgeführt wird.“ 

Daher kann die KI Keratokonus rechtzeitig diagnostizieren.

Für ihre KI nutzte die Studie eine Gruppe von Patienten, die zur Bewertung und Überwachung von Keratokonus an das Moorfields Eye Hospital überwiesen wurden, einschließlich der Frontscans des Auges mit OCT, um seine Form zu untersuchen.

Optische Kohärenztomographie (OCT) ist ein nicht‑invasives Bildgebungsverfahren, das Lichtwellen verwendet, um hochauflösende Querschnittsbilder der Netzhaut zu erzeugen. Die Technik wird in der Ophthalmologie häufig zur Diagnose von Erkrankungen wie Makuladegeneration, Glaukom und diabetischer Retinopathie eingesetzt.

Die Forscher untersuchten 36.673 OCT‑Bilder von 6.684 Patienten mithilfe von KI. Sie stellten fest, dass ihr KI‑Modell anhand des ersten Besuchs genau vorhersagen kann, ob der Zustand des Patienten stabil bleibt oder sich verschlechtert.

Das bedeutet, dass KI bereits beim ersten Routinebesuch Ärzten helfen kann, vorherzusagen, welche Patienten wahrscheinlich ein Fortschreiten erleben, sodass eine frühzeitige Behandlung vor dem Fortschreiten und sekundären Veränderungen erfolgen kann.

Mit dem KI‑Modell sortierten die Forscher die Patienten in zwei Gruppen. Eine Gruppe war niedriges Risiko und umfasste etwa zwei Drittel der Patienten, die keine Behandlung benötigten. Die andere war die Hochrisikogruppe, die ein Drittel der Patienten umfasste, die sofortige Cross‑Linking‑Behandlung benötigten.

Nach Einbeziehung der Daten des zweiten Krankenhausbesuchs konnte das KI‑Modell bis zu 90 % der Patienten klassifizieren.

Damit ist die Studie die erste ihrer Art, die eine so hohe Genauigkeit bei der Vorhersage des Risikos eines Keratokonus‑Fortschritts mithilfe einer Kombination aus Scans und Patientendaten erreicht, sagte Dr. Balal. Er fügte hinzu:

„Unsere Forschung zeigt, dass wir KI einsetzen können, um vorherzusagen, welche Patienten eine Behandlung benötigen und welche weiter überwacht werden können.“ 

Die Studie, so Dr. Balal, umfasste eine große Patientengruppe, die über zwei Jahre oder länger überwacht wurde. Die Ergebnisse deuten darauf hin, dass Patienten mit hohem Risiko für Keratokonus eine präventive Behandlung erhalten könnten, bevor ihr Zustand fortschreitet, was dazu beiträgt, Sehverlust zu verhindern und den Bedarf an komplizierten Hornhauttransplantationen und deren Erholungsbelastung zu reduzieren.

Unterdessen können niedrig‑Risiko‑Patienten unnötige Überwachung vermeiden, was Gesundheitsressourcen spart.

„Die effektive Sortierung der Patienten durch den Algorithmus ermöglicht es, Spezialisten in die Bereiche mit dem größten Bedarf umzuleiten.“

– Dr. Balal

Die Forscher arbeiten derzeit an der Entwicklung eines noch leistungsfähigeren KI‑Algorithmus, der mit Millionen von Augenscans trainiert wird. Der Algorithmus kann für spezifische Aufgaben angepasst werden, wie die Vorhersage des Keratokonus‑Fortschritts, sowie das Erkennen erblicher Augenerkrankungen und Augeninfektionen.

Wenn der KI‑Algorithmus „konsequent seine Wirksamkeit demonstriert, würde diese Technologie letztendlich Sehverlust verhindern und schwierigere Managementstrategien bei jungen, erwerbsfähigen Patienten vermeiden“, sagte Dr. Güell, der nicht an der Forschung beteiligt war.

Der Algorithmus wird nun weiteren Sicherheitstests unterzogen, bevor er im klinischen Umfeld eingesetzt werden kann.

Investition in KI‑gestützte Augenversorgung

Alcon AG (ALC ) ist ein in der Schweiz ansässiges Unternehmen für Augenversorgung, das Forschung, Herstellung und Verkauf einer Reihe von Augenpflegeprodukten über Surgical und Vision Care für Erkrankungen wie Katarakte, Glaukom, Netzhauterkrankungen und Fehlsichtigkeiten anbietet.

Alcon AG (ALC )

Mit einer Marktkapitalisierung von 39,6 Milliarden US‑Dollar werden die ALC‑Aktien derzeit zu 77,78 US‑Dollar gehandelt, ein Rückgang von 8,81 % im Jahresverlauf und etwa 23 % gegenüber dem Höchststand von über 100 US‑Dollar Ende letzten Jahres. Damit hat das Unternehmen ein EPS (TTM) von 2,25 und ein KGV (TTM) von 34,41, während die angebotene Dividendenrendite 0,43 % beträgt.

Für das 2. Quartal 2025 meldete Alcon einen Umsatzanstieg von 4 % auf 2,6 Milliarden US‑Dollar. Das verwässerte EPS für das Quartal betrug 0,35 US‑Dollar.

Das Unternehmen erwirtschaftete in diesem Zeitraum 889 Millionen US‑Dollar an Cash aus dem operativen Geschäft, während im ersten Halbjahr 2025 ein freier Cashflow von 681 Millionen US‑Dollar erzielt wurde. Alcon gab 287 Millionen US‑Dollar an die Aktionäre zurück.

Unter Hinweis auf „robuste Frühnachfrage“ für neue Produkte wie Tryptyr, Systane Pro PF, Precision7, PanOptix Pro, Voyager und Unity VCS sagte CEO David J. Endicott:

„Obwohl es noch früh ist, positionieren uns diese Markteinführungen, um das Umsatzwachstum zu beschleunigen, Cash zu generieren und langfristigen Wert für unsere Aktionäre zu schaffen.“

Klicken Sie hier, um alles über Investitionen in künstliche Intelligenz zu erfahren.

Neueste Alcon AG ALC Aktiennachrichten und Entwicklungen

Fazit

Mit zig Millionen Menschen weltweit, die einem Risiko für Sehbehinderung oder Blindheit ausgesetzt sind, markiert die Fähigkeit von KI, das Fortschreiten von Krankheiten vorherzusagen und Behandlungsentscheidungen zu leiten, eine neue Ära der präventiven Augenversorgung. Während Algorithmen immer raffinierter werden, hat KI das Potenzial, Kliniker zu befähigen, das Sehvermögen zu schützen, Gesundheitskosten zu senken und die Lebensqualität zu verbessern.

Klicken Sie hier für eine Liste neuer Fortschritte, die den Sehverlust bekämpfen.

Referenzen:

<sup>1. Thirunavukarasu, A. J., Mahmood, S., Malem, A., Foster, W. P., Sanghera, R., Hassan, R., Zhou, S., Wong, S. W., Wong, Y. L., Chong, Y. J., Shakeel, A., Chang, Y.-H., Tan, B. K. J., Jain, N., Tan, T. F., Rauz, S., Ting, D. S. W., & Ting, D. S. J. (2024). Große Sprachmodelle erreichen Experten‑niveau klinisches Wissen und Denken in der Ophthalmologie: Eine direkte Querschnittsstudie. PLOS Digital Health, (Version of Record), veröffentlicht 17 April 2024. https://doi.org/10.1371/journal.pdig.0000341
2. Jan, C. L., Joseph, S., Vingrys, A. J., et al. (2025). Prospektive pragmatische Studie zur automatisierten Retinografie und KI‑basierten Glaukom‑Screening in der australischen Primärversorgung. npj Digital Medicine, 8, 386. (Version of Record), veröffentlicht 1 Juli 2025. Received 9 März 2025; accepted 2 Juni 2025. https://doi.org/10.1038/s41746-025-01768-y
3. Liu, N., Li, L., & Yu, J. (2025). Anwendung von künstlicher Intelligenz in der Myopie‑Prävention und -Kontrolle. Pediatric Investigation, (Version of Record), veröffentlicht 18 März 2025. https://doi.org/10.1002/ped4.70001</sup</sup>