Umělá inteligence se používá k analýze retinálních obrazů

V nově vyvinutém přístupu se umělá inteligence (AI) používá k analýze retinálních obrazů. Systém by mohl být použit lékaři za účelem výběru nejlepší léčby pro pacienty trpící ztrátou zraku způsobenou diabetickou makulární edémou, komplikací diabetu. Tento problém často vede ke ztrátě zraku u dospělých v produktivním věku.

Jedna z prvních typů terapie, která se často používá jako obrana proti diabetické makulární edémě, je anti-vascular endothelial growth factor (VEGF). Problém s VEGF činidly spočívá v tom, že nefungují pro každého. Ti, kteří by mohli mít prospěch z terapie, musí být nejprve identifikováni, protože vyžaduje několik injekcí. Tyto injekce jsou velmi nákladné a jsou zátěží pro pacienty i lékaře.

Vedoucí výzkumného týmu je Sina Farsiu z Duke University.

“Vyvinuli jsme algoritmus, který lze použít k automatické analýze optické koherence tomografie (OCT) obrazů sítnice za účelem předpovědi, zda je pacient pravděpodobně reaguje na anti-VEGF léčbu,” řekla. “Tento výzkum představuje krok směrem k precizní medicíně, ve které takové předpovědi pomáhají klinickým pracovníkům lépe vybrat primární terapie pro pacienty na základě specifických onemocnění.“

Práce byla zveřejněna v The Optical Society (OSA) časopise Biomedical Optics Express. V časopise Farsiu a její tým demonstrovali, jak nový algoritmus je schopen přesně předpovědět, zda je pacient pravděpodobně reaguje na anti-VEGF terapii, již po jednom volumetrickém skenování.

“Náš přístup by mohl být potenciálně použit v očních klinikách za účelem prevence zbytečných a nákladných pokusů a omylů a tím snížit podstatnou zátěž léčby pro pacienty,” řekla Farsiu. “Algoritmus by mohl být také přizpůsoben k předpovědi reakce na terapii pro mnoho dalších očních onemocnění, včetně neovaskulární věkové makulární degenerace.”

Nově vyvinutý algoritmus je založen na novém konvolučním neuronovém sítě (CNN) architektuře. CNN je typ umělá inteligence, a přiřazuje důležitost různým aspektům nebo objektům za účelem analýzy obrazů. Algoritmus byl použit výzkumníky k prozkoumání obrazů získaných pomocí OCT, což je neinvazivní technologie. OCT produkuje high-resolution cross-seccionální retinální obrazy, a je považována za standardní péči pro hodnocení a léčbu různých očních stavů.

“Na rozdíl od dříve vyvinutých přístupů, náš algoritmus vyžaduje OCT obrazy pouze z jednoho předléčebného časového bodu,” řekl Reza Rasti, první autor článku a postdoktorální vědec v Farsiuově laboratoři. “Není potřeba časových řad OCT obrazů, pacientských záznamů nebo jiných metadat za účelem předpovědi reakce na terapii.”

Nový algoritmus funguje tak, že zvýrazňuje globální struktury v OCT. Současně také zlepšuje lokální funkce z postižených oblastí. Hledá CNN-kódované funkce, které lze korelovat s anti-VEGF reakcí.

Algoritmus byl testován s OCT obrazy z 127 pacientů, kteří podstoupili léčbu diabetické makulární edémy pomocí tří po sobě jdoucích injekcí anti-VEGF činidel. Algoritmus poté analyzoval OCT obrazy, které byly pořízeny před anti-VEGF injekcemi, a algoritmusovy předpovědi byly porovnány s OCT obrazy pořízenými po anti-VEGF terapii. To řeklo výzkumníkům, zda terapie vedla ke zlepšení stavu.

Algoritmus byl nalezen mít 87 procentní přesnost pro předpověď těch, kteří reagují na léčbu. Měl průměrnou přesnost a specificitu 85 procent a sensitivitu 80 procent.

Výzkumníci nyní chtějí potvrdit svá zjištění a provést větší pozorovací studii pacientů, kteří dosud neprošli léčbou.