AI naudojamas tinklainės vaizdams analizuoti

A naujai sukurtas požiūris, dirbtinis intelektas (AI) naudojamas tinklainės vaizdams analizuoti. Sistemą galėtų naudoti gydytojai, norėdami parinkti geriausią gydymą pacientams, kenčiantiems nuo regėjimo praradimo dėl diabetinės geltonosios dėmės edemos – diabeto komplikacijų. Dėl šios problemos darbingo amžiaus suaugusieji dažnai praranda regėjimą.

Vienas iš pirmųjų gydymo būdų, dažnai naudojamas kaip gynybos linija nuo diabetinės geltonosios dėmės edemos, yra antivaskulinis endotelio augimo faktorius (VEGF). VEGF agentų problema yra ta, kad jie netinka visiems. Pirmiausia reikia nustatyti tuos, kuriems gydymas gali būti naudingas, nes tam reikia kelių injekcijų. Tos injekcijos kainuoja daug, jos yra apsunkintos ir pacientams, ir gydytojams.

Tyrimo grupės vadovė yra Sina Farsiu iš Duke universiteto.

"Mes sukūrėme algoritmą, kuris gali būti naudojamas automatiškai analizuoti tinklainės optinės koherencijos tomografijos (OCT) vaizdus, ​​​​kad būtų galima numatyti, ar pacientas gali reaguoti į gydymą nuo VEGF", - sakė ji. „Šis tyrimas yra žingsnis tikslios medicinos link, kai tokios prognozės padeda gydytojams geriau pasirinkti pirmos eilės gydymą pacientams, atsižvelgiant į konkrečias ligos sąlygas."

Darbas buvo paskelbtas m Optikos draugija (OSA) žurnalas Biomedicininės optikos ekspresas. Žurnale Farsiu ir jos komanda pademonstravo, kaip naujasis algoritmas gali tiksliai numatyti, ar pacientas gali reaguoti į gydymą anti-VEGF po vieno tūrinio nuskaitymo.

„Mūsų metodas gali būti naudojamas akių klinikose, kad būtų išvengta nereikalingų ir brangių bandymų ir klaidų gydymo ir taip palengvintų pacientų gydymo naštą“, - sakė Farsiu. "Algoritmas taip pat gali būti pritaikytas prognozuoti daugelio kitų akių ligų terapinį atsaką, įskaitant neovaskulinę su amžiumi susijusią geltonosios dėmės degeneraciją."

Naujai sukurtas algoritmas yra pagrįstas nauja konvoliucinio neuroninio tinklo (CNN) architektūra. CNN yra dirbtinio intelekto rūšis, kuri, siekdama analizuoti vaizdus, ​​suteikia svarbą įvairiems aspektams ar objektams. Algoritmą tyrėjai naudojo norėdami ištirti vaizdus, ​​​​gautus naudojant UŠT, kuri yra neinvazinė technologija. UŠT sukuria didelės skiriamosios gebos skerspjūvio tinklainės vaizdus, ​​todėl tai laikoma standartiniu priežiūros standartu vertinant ir gydant įvairias akių ligas.

„Skirtingai nuo anksčiau sukurtų metodų, mūsų algoritmas reikalauja UŠT vaizdų tik iš vieno išankstinio apdorojimo laiko taško“, - sakė Reza Rasti, pirmasis šio straipsnio autorius ir Farsiu laboratorijos doktorantas. „Nereikia laiko eilučių UŠT vaizdų, pacientų įrašų ar kitų metaduomenų, kad būtų galima numatyti gydymo atsaką.

Naujasis algoritmas veikia išryškindamas pasaulines UŠT struktūras. Kartu tai taip pat sustiprina vietines sergančių regionų savybes. Jis ieško CNN užkoduotų funkcijų, kurios gali būti koreliuojamos su anti-VEGF atsaku. 

Algoritmas buvo išbandytas su UŠT vaizdais iš 127 pacientų, kuriems buvo atliktas diabetinės geltonosios dėmės edemos gydymas trimis iš eilės anti-VEGF preparatų injekcijomis. Tada algoritmas išanalizavo UŠT vaizdus, ​​kurie buvo padaryti prieš anti-VEGF injekcijas, o algoritmo prognozės buvo palygintos su UŠT vaizdais, paimtais po anti-VEGF terapijos. Tai tyrėjams pasakė, ar gydymas pagerino būklę, ar ne. 

Nustatyta, kad algoritmas turi 87 procentų tikslumą prognozuojant tuos, kurie reaguos į gydymą. Vidutinis jo tikslumas ir specifiškumas siekė 85 procentus, o jautrumas – 80 procentų.

Dabar mokslininkai nori patvirtinti išvadas ir atlikti didesnį stebėjimo tyrimą su pacientais, kurie dar turi gydytis.