KI-Modell reduziert Fehler bei Augenuntersuchungen drastisch

Forscher haben kürzlich einen KI-Algorithmus entwickelt, der scheinbar genauer Sehprobleme diagnostizieren kann als die klassischen Sehtests, die derzeit von Ärzten verwendet werden. Laut Science kann der neue Test angeblich diagnostische Fehler bei Augenuntersuchungen um etwa 74% reduzieren.

Augenärzte haben seit Jahrzehnten den gleichen Sehtest verwendet, den klassischen Augentest, der auf Tabellen mit verschiedenen Buchstaben und Symbolen basiert. Die Ergebnisse des Tests sind von dem Augenarzt zu interpretieren, und es kann natürlich Fehler bei der Interpretation der Ergebnisse und der Diagnose geben. Forscher der Stanford University wollten diese Tests mit einem KI-Algorithmus verbessern.

Laut einem Informatiker an der Stanford University, Chris Piech, ist eines der Probleme mit den traditionellen Tests, dass die Buchstaben, wenn sie zu unscharf für den Testteilnehmer werden, dieser beginnt, die Buchstaben zu erraten. Dieses Erraten bedeutet, dass die Ergebnisse des Tests variieren können, wenn eine Person den Test mehrmals durchführt. Um einen Test mit besserer Genauigkeit und Reproduzierbarkeit zu entwickeln, erstellten Piech und seine Kollegen einen Online-Test, dessen Ergebnisse verwendet wurden, um ein KI-Modell zu trainieren. Der Online-Test führt den Benutzer zunächst durch den Prozess der Kalibrierung seines Bildschirms. Nach der Kalibrierung des Bildschirms gibt der Benutzer seinen Abstand vom Bildschirm an, und dann zeigt das Programm ein Buchstabenpaar “E”, das in verschiedenen Orientierungen erscheint. Anschließend weist das Modell dem Benutzer einen Sehschärfe-Wert zu, basierend auf einem statistischen Modell. Das Programm stellt 20 Fragen für jedes Auge, aktualisiert seinen Sehschärfe-Wert dabei und gibt dann eine Vorhersage basierend auf dem Sehschärfe-Wert aus.

Das Forscherteam führte sein Modell durch 1000 Computersimulationen, die die Eingaben echter Patienten emulierten. Die Computersimulation funktioniert, indem sie mit einem bekannten Sehschärfe-Wert primed wird und dann die Arten von Fehlern macht, die eine Person beim Test machen könnte. Die Forscher führten die Tests auf diese Weise durch, weil für jeden Test ein “wahrer” Sehschärfe-Wert existiert, was nicht der Fall ist, wenn ein Mensch den Test durchführt. Laut den Forschern konnte ihr Modell diagnostische Fehler um etwa drei Viertel (74%) im Vergleich zu den klassischen Sehtests reduzieren. Trotz dieser ziemlich beeindruckenden Ergebnisse warnen Piech und seine Kollegen, dass das Modell nicht dazu gedacht ist, Ärzte zu ersetzen, sondern als Werkzeug, das Ärzte potenziell verwenden könnten, um die Genauigkeit einer Diagnose zu verbessern.

Augenarzt Mark Blecher äußerte gegenüber Science, dass das Programm, obwohl es eine nützliche und clevere Implementierung von KI-Modellen für die Augenheilkunde sei, die Forscher auch Dinge wie die Umgebung berücksichtigen sollten, in der der Testteilnehmer den Test durchführt, da diese Attribute die Testergebnisse ebenfalls beeinflussen können. Darüber hinaus geht Blecher davon aus, dass die Forscher möglicherweise Schwierigkeiten haben, Augenärzte dazu zu bringen, ihr neues Modell zu verwenden und sich auf einen neuen Standard zu einigen, da der Status quo schwer zu ändern sei.

Die Forschung von Piech und seinen Kollegen ist nicht die einzige jüngste Entwicklung im Zusammenhang mit KI und Sehvermögen. Kürzlich entwickelte Google (GOOGL ) ein KI-Modell, das gelegentlich besser als Kliniker darin war, häufige Augenkrankheiten zu identifizieren, die zu Sehverlust führen können. Google DeepMind arbeitete mit dem Moorfields Eye Hospital zusammen, um ein Modell zu entwickeln, das die Wahrscheinlichkeit, dass ein Patient eine schwere Form der Makuladegeneration entwickeln könnte, sinnvoll vorhersagen kann. An anderer Stelle entwickelte ein israelisches Startup namens AEYE Health mithilfe von Computer-Vision-Techniken und Machine Learning Retinal-Scanner, die möglicherweise eine grundlegende, genaue Erkennung häufiger Augenkrankheiten ermöglichen können, und verweist den Patienten an einen Arzt, wenn die Diagnose positiv ist.