Silmätutkimusvirheiden merkittävä vähentäminen tekoälymallilla

Tutkijat ovat suunnitelleet tekoälyalgoritmin, joka näyttää diagnosoinnin näköongelmia tarkemmin kuin klassiset näkötestit, joita lääkärit tällä hetkellä käyttävät. Tiedon mukaan, uusi testi voi vähentää silmätutkimuksen diagnostiikkaVirhettä noin 74 prosentilla.

Silmälääkärit ovat käyttäneet samaa näkötestiä, perinteistä silmätutkimusta, joka perustuu eri kokoisiin kirjaimiin ja symboleihin, vuosikymmenien ajan. Testin tulokset ovat silmälääkärin tulkittavissa, ja tietysti, siinä voi olla virheitä tulkinnassa ja diagnoosin antamisessa. Stanfordin yliopiston tutkijat pyrkivät parantamaan näitä testejä tekoälyalgoritmilla.

Stanfordin tietokoneiden tutkija Chris Piech kertoo, että yksi ongelmista perinteisissä testeissä on, että kun kirjaimet tulevat liian epäselviksi testihenkilölle, hän alkaa arvata kirjaimia. Tämä arvaaminen tarkoittaa, että testin tulokset voivat vaihdella, jos henkilö suorittaa testin useita kertoja. Kehittääkseen tarkemman ja toistettavamman testin, Piech ja hänen kollegansa loivat verkkotestin, jonka tuloksia käytetään tekoälymallin kouluttamiseen. Verkkotesti ohjaa käyttäjää kalibroimaan näytön. Kun näyttö on kalibroitu, käyttäjä syöttää etäisyytensä näytöstä, ja ohjelma näyttää kirjaimen “E”, joka ilmestyy eri suunnissa. Tämän jälkeen malli antaa käyttäjälle näköarvon, joka perustuu tilastolliseen malliin. Ohjelma kysyy 20 kysymystä kummallekin silmälle, päivittäen näköarvoa samalla, ja sitten se antaa ennusteen näköarvon perusteella.

Tutkimusryhmä suoritti mallinsa 1000 tietokonesimulaatiota, jotka jäljittelevät aitojen potilaiden syötteitä. Tietokonesimulaatio toimii siten, että se on ohjelmoitu tunnettuun näön tarkkuusarvoon ja sitten tekee samanlaisia virheitä, joita henkilö voi tehdä suorittaessaan testiä. Tutkijat suorittivat testit tällä tavoin, koska jokaisella testillä on “oikea” tarkkuusarvo, mikä ei ole tapauksessa, kun ihminen suorittaa testin. Tutkijoiden mukaan heidän mallinsa pystyi vähentämään diagnostiikkaVirhettä noin kolme neljäsosaa (74 prosenttia) verrattuna perinteisiin näkötesteihin. Vaikka nämä tulokset ovat melko vaikuttavia, Piech ja hänen kollegansa varoittavat, että malli ei ole tarkoitettu korvaamaan lääkäreitä, vaan se on työkalu, jonka lääkärit voivat potentiaalisesti käyttää diagnoosin tarkkuuden parantamiseen.

Silmälääkäri Mark Blecher totesi Tiedelle, että vaikka ohjelma on hyödyllinen ja älykäs tekoälymallin soveltaminen silmälääketieteessä, tutkijoiden tulisi myös ottaa huomioon se, missä ympäristössä testi suoritetaan, koska nämä ominaisuudet voivat vaikuttaa testituloksiin. Blecher odottaa, että tutkijat saattavat kohtaamaan vaikeuksia saadakseen silmälääkärit käyttämään uutta malliaan ja sopimaan uudesta standardista, koska vallitseva tilanne on vaikea muuttaa.

Piech ja hänen kollegoidensa tekemä tutkimus ei ole ainoa viimeaikainen kehitys, joka liittyy sekä tekoälyyn että näköön. Google (GOOGL ) kehitti tekoälymallin, joka voi joskus suorittaa paremmin kuin kliinikot yleisten silmäsairauksien tunnistamisessa , jotka voivat johtaa näönmenetykseen. Google DeepMind teki yhteistyötä Moorfields Eye Hospitalin kanssa kehittääkseen mallin, joka voisi merkittävästi ennustaa potilaan riskiä sairastua vakavaan makula-degeneraatioon. Muualla israelilainen startup-yritys AEYE Health käytti tietokoneen näkötekniikoita ja koneoppimista kehittääkseen verkkokameroita, jotka voivat potentiaalisesti tehdä perustason, tarkan tunnistamisen yleisistä silmäsairauksista ja lähettää potilaan lääkäriin, jos diagnoosi on positiivinen.