Sztuczna inteligencja wykorzystywana do analizy obrazów siatkówki

W nowo opracowane podejściedo analizy obrazów siatkówki wykorzystuje się sztuczną inteligencję (AI). System mógłby być stosowany przez lekarzy w celu wybrania najlepszego sposobu leczenia pacjentów cierpiących na utratę wzroku spowodowaną cukrzycowym obrzękiem plamki, będącym powikłaniem cukrzycy. Problem ten często prowadzi do utraty wzroku wśród dorosłych w wieku produkcyjnym.

Jednym z pierwszych rodzajów terapii, często stosowanym jako linia obrony przed cukrzycowym obrzękiem plamki, jest czynnik wzrostu śródbłonka naczyniowego (VEGF). Problem ze środkami VEGF polega na tym, że nie działają one na każdego. Należy najpierw zidentyfikować osoby, które mogłyby odnieść korzyść z terapii, ponieważ wymaga ona wielokrotnych zastrzyków. Zastrzyki te są bardzo drogie i uciążliwe zarówno dla pacjentów, jak i lekarzy.

Liderem zespołu badawczego jest Sina Farsiu z Duke University.

„Opracowaliśmy algorytm, który można wykorzystać do automatycznej analizy obrazów siatkówki z optycznej tomografii koherentnej (OCT) w celu przewidzenia, czy pacjent prawdopodobnie zareaguje na leczenie anty-VEGF” – powiedziała. „Badanie to stanowi krok w kierunku medycyny precyzyjnej, w której takie przewidywania pomagają klinicystom lepiej wybierać terapie pierwszego rzutu dla pacjentów w oparciu o konkretne schorzenia".

Praca została opublikowana w Towarzystwo optyczne (OSA) czasopismo Ekspresowa optyka biomedyczna. W czasopiśmie Farsiu i jej zespół wykazali, jak nowy algorytm jest w stanie dokładnie przewidzieć, czy pacjent prawdopodobnie zareaguje na terapię anty-VEGF już po jednym skanie wolumetrycznym.

„Nasze podejście można potencjalnie zastosować w klinikach okulistycznych, aby zapobiec niepotrzebnym i kosztownym terapiom metodą prób i błędów, a tym samym zmniejszyć znaczne obciążenie pacjentów związane z leczeniem” – powiedział Farsiu. „Algorytm można również dostosować do przewidywania odpowiedzi na leczenie wielu innych chorób oczu, w tym neowaskularnego zwyrodnienia plamki związanego z wiekiem”.

Nowo opracowany algorytm opiera się na nowatorskiej architekturze splotowej sieci neuronowej (CNN). CNN to rodzaj sztucznej inteligencji, która przypisuje wagę różnym aspektom lub obiektom w celu analizy obrazów. Algorytm został wykorzystany przez badaczy do badania obrazów uzyskanych za pomocą OCT, która jest technologią nieinwazyjną. OCT pozwala uzyskać obrazy przekrojów siatkówki o wysokiej rozdzielczości i jest uważana za standardową metodę oceny i leczenia różnych schorzeń oczu.

„W przeciwieństwie do wcześniej opracowanych podejść, nasz algorytm wymaga obrazów OCT tylko z jednego punktu czasowego przed leczeniem” – powiedziała Reza Rasti, pierwsza autorka artykułu i doktorantka w laboratorium Farsiu. „Nie ma potrzeby stosowania obrazów OCT z seriami czasowymi, dokumentacji pacjentów ani innych metadanych, aby przewidzieć odpowiedź na terapię”.

Nowy algorytm działa poprzez podkreślanie globalnych struktur w KTZ. Jednocześnie wzmacnia również cechy lokalne z chorych regionów. Wyszukuje cechy zakodowane w CNN, które można powiązać z reakcją anty-VEGF. 

Algorytm testowano na obrazach OCT od 127 pacjentów, którzy byli leczeni z powodu cukrzycowego obrzęku plamki trzema kolejnymi wstrzyknięciami leków anty-VEGF. Następnie algorytm przeanalizował obrazy OCT wykonane przed wstrzyknięciami anty-VEGF, a przewidywania algorytmu porównano z obrazami OCT wykonanymi po terapii anty-VEGF. To powiedziało badaczom, czy terapia spowodowała poprawę stanu zdrowia. 

Stwierdzono, że algorytm ma 87-procentową dokładność w przewidywaniu tych, którzy zareagują na leczenie. Miał średnią precyzję i swoistość wynoszącą 85 procent oraz czułość 80 procent.

Naukowcy chcą teraz potwierdzić ustalenia i przeprowadzić większe badanie obserwacyjne z udziałem pacjentów, którzy nie przeszli jeszcze leczenia.