Tekoäly analysoi verkkokalvokuvia

Uudessa lähestymistavassa tekoälyä (AI) käytetään verkkokalvokuvien analysointiin. Järjestelmää voivat käyttää lääkärit valitessaan parhaimman hoidon potilaille, joilla on näönmenetys diabeettisen makulaödeman vuoksi, joka on diabeteksen komplikaatio. Tämä ongelma johtaa usein näönmenetykseen työikäisillä aikuisilla.

Yksi ensimmäisistä hoitomuodoista, jota usein käytetään puolustuslinjana diabeettista makulaödemaania vastaan, on anti-vascular endothelial growth factor (VEGF). VEGF-lääkkeiden ongelma on, että ne eivät toimi kaikilla. Niihin hyödyvä potilaat on tunnistettava ensin, koska hoito vaatii useita pistoksia. Pistokset ovat kalliita ja rasittavia sekä potilaille että lääkäreille.

Tutkimusryhmän johtaja on Sina Farsiu Duke Universitysta.

“Kehittimme algoritmin, jota voidaan käyttää analysoimaan optisen koherenssitomografian (OCT) kuvia verkkokalvolta, jotta voidaan ennustaa, onko potilas todennäköisesti vastaanottava anti-VEGF-hoitoa”, hän sanoi. “Tämä tutkimus edustaa askelta tarkkuuslääketieteessä, jossa tällaiset ennusteet auttavat kliinikoita valitsemaan paremmin ensilinjan hoitoja potilaille tiettyjen sairauden tilojen perusteella”.

Tutkimus julkaistiin The Optical Society (OSA) -julkaisussa Biomedical Optics Express. Lehdessä Farsiu ja hänen tiiminsä osoittivat, miten uusi algoritmi pystyy tarkasti ennustamaan, onko potilas todennäköisesti vastaanottava anti-VEGF-hoitoa, vain yhden tilavuuttimittauksen jälkeen.

“Lähestymistapamme voidaan mahdollisesti käyttää silmäklinikoissa estämään tarpeettomat ja kalliit koehenkilökokeet ja siten helpottaa merkittävästi hoidon taakkaa potilaille”, Farsiu sanoi. “Algoritmi voidaan myös sovittaa ennustamaan hoitovastetta monille muille silmasairauksille, mukaan lukien uuden tyyppisen vanhuuden aiheuttama makula-degeneraatio”.

Uusi algoritmi perustuu uuteen konvoluutio-neuroverkkorakenteeseen. Konvoluutio-neuroverkko on tekoälyn tyyppi, joka antaa eri asioiden tai objektien eri tärkeysasteita kuvien analysointiin. Algoritmiä käytettiin tutkijoiden analysoimaan OCT-kuvia, jotka hankittiin non-invasiivisella tekniikalla. OCT tuottaa korkearesoluutioisia poikkileikkauskuvia verkkokalvolta, ja sitä pidetään hoitostandardina eri silmatilanteiden arvioinnissa ja hoidossa.

“Toisin kuin aiemmin kehitetyt lähestymistavat, algoritmiamme vaatii vain yhden ennen hoitoa tehdyn OCT-kuvausajan”, sanoi Reza Rasti, julkaisun ensimmäinen tekijä ja postdoc-tutkija Farsiu’n laboratoriossa. “Ei ole tarvetta aikasarja-OCT-kuville, potilastiedoille tai muille metatiedoille hoitovastetta ennustamaan”.

Uusi algoritmi toimii korostamalla globaaleja rakenteita OCT-kuissa. Samalla se myös vahvistaa paikallisia piirteitä sairastuneista alueista. Se etsii CNN-koodattuja piirteitä, jotka voidaan korreloida anti-VEGF-vastetta.

Algoritmi testattiin 127 potilaan OCT-kuville, jotka olivat saaneet hoitoa diabeettisesta makulaödemasta kolmella peräkkäisellä anti-VEGF-lääkekuurilla. Algoritmi analysoi OCT-kuvia ennen anti-VEGF-pistoksia, ja algoritmin ennusteet verrattiin OCT-kuviin, jotka otettiin anti-VEGF-hoidon jälkeen. Tämä kertoi tutkijoille, johtuiko hoidosta tilan paranemisesta.

Algoritmilla todettiin olevan 87 prosentin tarkkuusaste hoidon hyötyjien ennustamisessa. Sen keskimääräinen tarkkuus ja spesifisiteetti oli 85 prosenttia ja herkkyyden 80 prosenttia.

Tutkijat haluavat nyt vahvistaa tuloksensa ja tehdä laajemman havaintotutkimuksen potilaista, jotka eivät ole vielä saaneet hoitoa.