Искусственный интеллект и глаукома. Мнение врача
Искусственный интеллект успешно применяется в медицинских диагнозах на основе изображений, таких как рак кожи, рак молочной железы, опухоли головного мозга и диабетическая ретинопатия. Об этом рассказывает Вероника Бронислави Антонян, заместитель главного врача по поликлинике №1, врач-офтальмолог, кандидат медицинских наук, доцент кафедры офтальмологии ВГМУ им. Н.Н. Бурденко, врач 1 категории.
Недавно был принят подход системы глубокого обучения (СГО) для обеспечения высокой чувствительности и специфичности (>90%) для выявления глаукоматозной оптической нейропатии (ГОН) по высококачественным изображениям глазного дна сетчатки.
Однако использование СГО для медицинской диагностики имеет более низкую эффективность при применении к данным, полученным из разных источников. Это важный аспект для изучения, поскольку, если мы хотим достичь максимального охвата и клинической пользы, в идеале СГО должна использоваться в различных условиях с изображениями разного качества, этнической принадлежности пациента и источников населения.
В многоцентровом исследовании Ханьруо Лю и др. установлено, что из 274 413 изображений глазного дна, первоначально полученных от CGSA, 269 601 изображение прошло первоначальную проверку качества изображения и было оценено для ГОН сертифицированными офтальмологами.
Модель предложенная Ханьруо Лю и др., основанная на крупномасштабной базе данных изображений глазного дна, обладает высокой чувствительностью и специфичностью для выявления глаукомы. Результаты экспериментов показывают потенциал автоматизированных СДО в улучшении существующих программ скрининга экономически эффективным и эффективным по времени способом.
C развитием более детального изучения и других связанных с ним технологий искусственный интеллект стал широко использоваться во всех аспектах медицины, и наступила эра интеллектуальной медицины. В области офтальмологии искусственный интеллект может быть использован для скрининга, диагностики, прогнозирования прогресса и персонализации стратегий лечения различных офтальмологических заболеваний, таких как заболевания глазного дна, глаукома, катаракта, близорукость, заболевания роговицы и орбиты.
Глаукома является одной из наиболее распространённых, необратимых и потенциально приводящих к слепоте прогрессирующих оптических нейропатий, которая характеризуется типичными структурными повреждениями и функциональным ухудшением. Учитывая прогрессирующий и необратимый характер глаукомы, ранняя диагностика имеет большое клиническое значение. Однако, глаукоматозное ухудшение поля зрения сначала проявляется в виде небольших локализованных относительных дефектов, что затрудняет постановку диагноза на ранних этапах его развития.
Поскольку периметрия — это субъективный тест, учитывающий несколько факторов, связанных с пациентом и глазами, это ограниченный инструмент оценки, который может привести к неправильной интерпретации и классификации при глаукоме.
Чтобы уменьшить влияние шума на результат классификации, обычные глобальные индексы (например, средний дефект (MD), среднее отклонение, дисперсия потерь (PSD) обычно рассматриваются совместно для клиническая классификация. Однако такие индексы не отражают пространственную информацию и потенциально могут не помочь в обнаружении небольших и локализованных дефектов.
В исследовании Кучур С.С. и др. был внедрён новый метод различения здоровых и ранних глаукоматозных изменений поля зрения с использованием искусственного интеллекта с автоматизированной методологией. Была введена концепция «изображений Вороного» — метода, с помощью которого поля зрения, полученные по периметру, могут быть преобразованы в 2D-изображения, независимо от пространственного распределения тестовых мест в 30-градусном поле зрения. Эти изображения затем позволяют использовать специально разработанный искусственный интеллект для классификации поля зрения.
Интернет-проект «Офтальмолог рядом»
Фото – нейросеть shedevrum.ai