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 z powodu cukrzycowej edematycznej makulopatii, powikłania cukrzycy. Ten problem często prowadzi do utraty wzroku u osób w wieku produkcyjnym.

Jednym z pierwszych rodzajów terapii, które są często stosowane jako linia obrony przeciwko cukrzycowej edematycznej makulopatii, jest przeciwciało przeciwko czynnikowi wzrostu naczyń krwionośnych (VEGF). Problem z czynnikami VEGF polega na tym, że nie działają one u wszystkich. Osoby, które mogą skorzystać z terapii, muszą być najpierw zidentyfikowane, ponieważ wymaga to wielu zastrzyków. Zastrzyki 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 siatkówki uzyskanych za pomocą koherentnej tomografii optycznej (OCT) w celu przewidzenia, czy pacjent jest prawdopodobnie odpowiedzią na leczenie przeciwciałami przeciwko 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 The Optical Society (OSA) w czasopiśmie Biomedical Optics Express. W czasopiśmie Farsiu i jej zespół zademonstrowali, jak nowy algorytm jest w stanie dokładnie przewidzieć, czy pacjent jest prawdopodobnie odpowiedzią na leczenie przeciwciałami przeciwko 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, która przypisuje wagę różnym aspektom lub obiektom w celu analizy obrazów. Algorytm został wykorzystany przez badaczy do zbadania obrazów uzyskanych za pomocą OCT, która jest nieinwazyjną technologią. OCT wytwarza obraz siatkówki o wysokiej rozdzielczości, a jest uważana 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 artykułu i stypendysta w laboratorium Farsiu. “Nie ma potrzeby obrazów OCT w czasie, danych pacjentów lub 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 leczenie przeciwciałami przeciwko VEGF. 

Algorytm został przetestowany z obrazami OCT z 127 pacjentów, którzy zostali poddani leczeniu cukrzycowej edematycznej makulopatii z trzema kolejnymi wstrzyknięciami przeciwciał przeciwko VEGF. Następnie algorytm przeanalizował obrazy OCT, które zostały wykonane przed wstrzyknięciami przeciwciał przeciwko VEGF, a przewidywania algorytmu zostały porównane z obrazami OCT wykonanymi po leczeniu przeciwciałami przeciwko VEGF. To powiedziało badaczom, czy leczenie spowodowało poprawę stanu. 

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

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