Sztuczna inteligencja wykorzystywana do analizy obrazów siatkówki

W nowo opracowanym podejściu sztuczna inteligencja (AI) jest wykorzystywana do analizy obrazów siatkówki. System może być wykorzystywany przez lekarzy w celu wyboru najlepszego leczenia dla pacjentów cierpiących na utratę wzroku spowodowaną cukrzycową edemą plamki, powikłaniem cukrzycy. Problem ten często prowadzi do utraty wzroku u osób w wieku produkcyjnym.

Jednym z pierwszych rodzajów terapii, które są często stosowane jako linia obrony przeciwko cukrzycowej edemie plamki, jest przeciwciało anty-angiogeniczne (VEGF). Problem z czynnikami VEGF polega na tym, że nie działają one u wszystkich pacjentów. Osoby, które mogą skorzystać z terapii, muszą być najpierw zidentyfikowane, ponieważ wymaga to wielokrotnych wstrzyknięć. Wstrzyknięcia te są drogie i są uciążliwe zarówno dla pacjentów, jak i lekarzy.

Liderem zespołu badawczego jest Sina Farsiu z Uniwersytetu Duke.

“Opracowaliśmy algorytm, który może być wykorzystany do automatycznej analizy obrazów OCT siatkówki w celu przewidzenia, czy pacjent jest prawdopodobnie odpowiedni do leczenia przeciwciałami anty-VEGF”, powiedziała. “To badanie stanowi krok w kierunku medycyny precyzyjnej, w której takie przewidywania pomagają klinicystom lepiej wybrać pierwszoliniową terapię dla pacjentów na podstawie konkretnych stanów chorobowych”.

Praca została opublikowana w czasopiśmie The Optical Society (OSA) Biomedical Optics Express. W czasopiśmie Farsiu i jej zespół zademonstrowali, jak nowy algorytm jest w stanie dokładnie przewidywać, czy pacjent jest prawdopodobnie odpowiedni do terapii anty-VEGF, już po jednym skanowaniu objętościowym.

“Nasze podejście może potencjalnie być wykorzystane w klinikach okulistycznych w celu zapobiegania niepotrzebnym i kosztownym próbom i błędom w leczeniu, a tym samym złagodzeniu znacznego obciążenia leczeniem dla pacjentów”, powiedziała Farsiu. “Algorytm może również zostać dostosowany do przewidywania odpowiedzi na terapię w przypadku wielu innych chorób oczu, w tym neowaskularnej degeneracji plamki związanej z wiekiem”.

Nowo opracowany algorytm opiera się na nowej architekturze sieci neuronowej konwolucyjnej (CNN). CNN jest rodzajem sztucznej inteligencji, który nadaje wagę różnym aspektom lub obiektom w celu analizy obrazów. Algorytm został wykorzystany przez badaczy do badania obrazów uzyskanych za pomocą OCT, który jest nieinwazyjną technologią. OCT wytwarza obraz siatkówki o wysokiej rozdzielczości, a jest uważany za standard opieki w ocenie i leczeniu różnych chorób oczu.

“W przeciwieństwie do wcześniej opracowanych podejść, nasz algorytm wymaga obrazów OCT tylko z jednego punktu czasowego przed leczeniem”, powiedział Reza Rasti, pierwszy autor pracy i stypendysta w laboratorium Farsiu. “Nie ma potrzeby obrazów OCT z serii czasowej, danych pacjentów ani innych metadanych, aby przewidzieć odpowiedź na terapię”.

Nowy algorytm działa poprzez podkreślanie globalnych struktur w OCT. Równocześnie podkreśla również lokalne cechy z chorobowych obszarów. Wyszukuje cechy zakodowane przez CNN, które mogą być skorelowane z odpowiedzią na terapię anty-VEGF.

Algorytm został przetestowany na obrazach OCT z 127 pacjentów, którzy zostali poddani leczeniu cukrzycowej edematycznej plamki przy użyciu trzech kolejnych wstrzyknięć czynników anty-VEGF. Następnie algorytm przeanalizował obrazy OCT, które zostały wykonane przed wstrzyknięciami anty-VEGF, a jego przewidywania zostały porównane z obrazami OCT wykonanymi po terapii anty-VEGF. To pozwoliło badaczom stwierdzić, czy terapia doprowadziła do poprawy stanu.

Algorytm okazał się mieć 87-procentową dokładność w przewidywaniu osób, które odpowiedzą na leczenie. Miał średnią precyzję i specyficzność 85 procent oraz czułość 80 procent.

Badacze chcą teraz potwierdzić wyniki i przeprowadzić większe obserwacyjne badanie pacjentów, którzy jeszcze nie przeszli leczenia.