AI-modell reduserer øye-eksamensfeil dramatisk

Forskere har nylig designet en kunstig intelligensalgoritme som synes å kunne diagnostisere synsproblemer mer nøyaktig enn de klassiske synstestene som brukes av leger i dag. Ifølge Science, kan den nye testen redusere diagnostiske feil ved øye-eksamener med om lag 74%.

Øyeleger har brukt den samme synstesten, den klassiske øye-eksamen basert på kart med forskjellige størrelser på bokstaver og symboler, i tiår. Resultatene av testen er opp til øyelegen å tolke, og det kan være feil i å tolke resultatene og gi en diagnose. Forskere fra Stanford University hadde som mål å forbedre disse testene med en kunstig intelligensalgoritme.

Ifølge en datavitenskapsmann ved Stanford, Chris Piech, er en del av problemet med de tradisjonelle testene at når bokstavene blir for uklare for testpersonen å se, begynner testpersonen å gjette på bokstavene. Dette gjettet betyr at resultatene av testen kan variere hvis en person tar testen flere ganger. For å utvikle en test med bedre nøyaktighet og reproducerbarhet, lagde Piech og kolleger en nettbasert test, hvor resultatene av testen ble brukt til å trene en kunstig intelligensmodell. Den nettbaserte testen fører først brukeren gjennom prosessen med å kalibrere skjermen. Etter at skjermen er kalibrert, angir brukeren avstanden fra skjermen og deretter viser programmet en bokstav «E», som vises i forskjellige retninger. Etter dette, tildeler modellen brukeren en synscore, basert på en statistisk modell. Programmet stiller 20 spørsmål for hvert øye, og oppdaterer synscoren mens det gjør det, og deretter gir det en prediksjon basert på synscoren.

Forskningsgruppen kjørte sin modell gjennom 1000 datamaskinsimuleringer som emulerte inndata fra ekte pasienter. Datamaskinsimuleringen fungerer ved å bli primet med en kjent synskår og deretter gjøre de typene feil som en person kan gjøre mens de tar testen. Forskerne utførte testene på denne måten fordi for hver test finnes det en «sann» synskår, som ikke er tilfelle når en person tar testen. Ifølge forskerne, var deres modell i stand til å redusere diagnostiske feil med om lag tre kvart (74%) i sammenligning med de klassiske synstestene. Til tross for disse ganske imponerende resultatene, advarer Piech og kolleger mot at modellen ikke er ment å erstatte leger, men det er et verktøy som leger potensielt kan bruke til å forbedre nøyaktigheten av en diagnose.

Øyelegen Mark Blecher uttalte til Science at mens programmet er en nyttig og kreativ implementering av kunstig intelligensmodeller for øyelege, bør forskerne også ta hensyn til ting som miljøet der testpersonen tar testen, da disse attributtene også kan påvirke testresultatene. Foruten dette, forventer Blecher at forskerne kan ha vanskeligheter med å få øyeleger til å bruke deres nye modell og enes om en ny standard, da status quo kan være vanskelig å endre.

Forskningen utført av Piech og kolleger er ikke den eneste nylige utviklingen som omfatter både kunstig intelligens og syn. Nylig utviklet Google en kunstig intelligensmodell (GOOGL ) som kan være i stand til å overgå kliniske leger i å identifisere vanlige øyesykdommer som kan føre til tap av syn. Google DeepMind samarbeidet med Moorfields Eye Hospital for å utvikle en modell som kunne meningsfullt forutsi sjansen for at en pasient kan utvikle en alvorlig form for makuladegenerasjon. Et annet sted, utnyttet en israelsk startup ved navn AEYE Health datavisjonsteknikker og maskinlæring til å utvikle retinalskannere som potensielt kan gjøre en grundig og nøyaktig gjenkjenning av vanlige øyesykdommer, og henvise pasienten til en lege hvis diagnosen er positiv.