Kunstig intelligens brukes til å analysere netthinnenbilder

I en nyt utviklet tilnærming brukes kunstig intelligens (AI) til å analysere netthinnenbilder. Systemet kan brukes av leger for å velge den beste behandlingen for pasienter som lider av synstap fra diabetisk makulær ødem, en komplikasjon av diabetes. Problemet fører ofte til synstap hos voksne i arbeidsfør alder.

En av de første typer terapi som ofte brukes som en forsvarslinje mot diabetisk makulær ødem er anti-vasculær endothelial vekstfaktor (VEGF). Problemet med VEGF-agenter er at de ikke virker for alle. De som kan dra nytte av terapien må først identifiseres, siden det krever flere injeksjoner. Injeksjonene koster mye, og de er byrdefulle for både pasienter og leger.

Lederen for forskningsteamet er Sina Farsiu fra Duke University.

“Vi har utviklet en algoritme som kan brukes til å automatisk analysere optisk koherens-tomografi (OCT) bilder av netthinnen for å forutsi om en pasient sannsynligvis vil respondere på anti-VEGF-behandling,” sa hun. “Dette forskningen representerer et skritt mot presisjonsmedisin, hvor slike forutsigelser hjelper kliniske leger å velge første-linje-terapier for pasienter basert på bestemte sykdomstilstander.“

Arbeidet ble publisert i The Optical Society (OSA) tidsskrift Biomedical Optics Express. I tidsskriftet viste Farsiu og hennes team hvordan den nye algoritmen kan nøyaktig forutsi om en pasient sannsynligvis vil respondere på anti-VEGF-terapi, etter bare en enkelt volumetrisk skanning.

“Vår tilnærming kan potensielt brukes i øye-klinikker for å forebygge unødvendige og kostbare prøving-og-feil-behandlinger og dermed lettet en betydelig behandlingsbyrde for pasienter,” sa Farsiu. “Algoritmen kan også tilpasses for å forutsi terapi-respons for mange andre øyesykdommer, inkludert neovaskulær alders-relatert makulær degenerasjon.”

Den nyutviklede algoritmen er basert på en ny konvolusjons-nevralt nettverksarkitektur. En konvolusjons-nevralt nettverk er en type kunstig intelligens, og det tildeles viktighet til ulike aspekter eller objekter for å analysere bilder. Algoritmen ble brukt av forskerne til å undersøke bilder som ble tilegnet med OCT, som er en ikke-invasiv teknologi. OCT produserer høyoppløselige tverrsnitts-netthinnenbilder, og det regnes som standarden for vurdering og behandling av ulike øyesykdommer.

“I motsetning til tidligere utviklede tilnærminger, krever vår algoritme OCT-bilder fra bare ett enkelt pretreatment-tidspunkt,” sa Reza Rasti, første forfatter av artikkelen og en postdoktorand i Farsius laboratorium. “Det er ingen behov for tidsserie-OCT-bilder, pasientjournaler eller andre metadata for å forutsi terapi-respons.”

Den nye algoritmen fungerer ved å høydeppe globale strukturer i OCT. Samtidig forbedrer den også lokale funksjoner fra sykdomsregioner. Den søker etter konvolusjons-nevralt nettverk-kodete funksjoner som kan korreleres med anti-VEGF-respons.

Algoritmen ble testet med OCT-bilder fra 127 pasienter som hadde gjennomgått behandling for diabetisk makulær ødem med tre påfølgende injeksjoner av anti-VEGF-agenter. Algoritmen analyserte så OCT-bilder som ble tatt før anti-VEGF-injeksjonene, og algoritmens forutsigelser ble sammenlignet med OCT-bilder tatt etter anti-VEGF-terapi. Dette fortalte forskerne om terapien resulterte i en forbedring av tilstanden.

Algoritmen ble funnet å ha en 87 prosent nøyaktighetsrate for å forutsi de som ville respondere på behandlingen. Den hadde en gjennomsnittlig presisjon og spesifisitet på 85 prosent og en sensitivitet på 80 prosent.

Forskerne ønsker nå å bekrefte funnene og gjennomføre en større observasjonsstudie av pasienter som ennå ikke har gjennomgått behandling.