AI-modell drastiskt minskar fel i ögonundersökningar

Forskare har nyligen utformat en artificiell intelligensalgoritm som verkar kunna diagnostisera synproblem mer exakt än de klassiska syn tester som för närvarande används av läkare. Enligt Science kan den nya testen rapporteras minska diagnostiska fel i ögonundersökningar med cirka 74%.

Ögonläkare har använt samma syn test, det klassiska ögon testet baserat på diagram med olika stora bokstäver och symboler, i årtionden. Resultaten av testet är upp till ögonläkaren att tolka, och naturligtvis kan det finnas fel i att tolka resultaten och ge en diagnos. Forskare från Stanford University syftade till att förbättra dessa tester med en AI-algoritm.

Enligt en datavetare vid Stanford, Chris Piech, är en del av problemet med de traditionella testerna att när bokstäverna blir för suddiga för testpersonen att se, börjar testpersonen gissa bokstäverna. Detta gissande innebär att testresultaten kan variera om en person tar testet flera gånger. För att utveckla ett test med bättre noggrannhet och reproducerbarhet skapade Piech och kollegor ett online-test, där testresultaten användes för att träna en AI-modell. Det online-testet först guidade användaren genom processen att kalibrera skärmen. Efter att skärmen kalibrerats anger användaren avståndet från skärmen och sedan visar programmet en bokstav “E”, som visas i olika riktningar. Efter det tilldelar modellen användaren en synpoäng, baserad på en statistisk modell. Programmet ställer 20 frågor för varje öga, uppdaterar sin synpoäng allteftersom och sedan gör den en förutsägelse baserat på synpoängen.

Forskningsgruppen körde sin modell genom 1000 datorsimulationer som emulerade indata från äkta patienter. Datorsimulationen fungerar genom att den först får en känd synskärpa och sedan gör den samma typer av fel som en person kan göra när de tar testet. Forskarna genomförde testerna på detta sätt eftersom det för varje test finns en “sann” synskärpa, vilket inte är fallet när en människa tar testet. Enligt forskarna kunde deras modell minska diagnostiska fel med cirka tre fjärdedelar (74%) jämfört med de klassiska syn testerna. Trots dessa ganska imponerande resultat varnar Piech och kollegor för att modellen inte är avsedd att ersätta läkare, utan det är ett verktyg som läkare potentiellt kan använda för att förbättra noggrannheten i en diagnos.

Ögonläkare Mark Blecher uttalade sig till Science att medan programmet är ett hjälpsamt och intelligent tillämpande av AI-modeller för ögonläkare, bör forskarna också ta hänsyn till saker som miljön där testpersonen tar testet, eftersom dessa attribut också kan påverka testresultaten. Utöver detta tror Blecher att forskarna kan ha svårt att få ögonläkare att använda deras nya modell och enas om en ny standard, eftersom status quo kan vara svårt att vända.

Forskningen som gjorts av Piech och kollegor är inte den enda nyliga utvecklingen som rör både AI och syn. Nyligen utvecklade Google (GOOGL ) en AI-modell som ibland kunde prestera bättre än kliniker vid identifiering av vanliga ögonförhållanden som kan leda till synförlust. Google DeepMind samarbetade med Moorfields Eye Hospital för att utveckla en modell som kunde meningsfullt förutsäga chansen att en patient kan utveckla en allvarlig form av makuladegeneration. På annat håll utvecklade en israelisk startup med namnet AEYE Health datorseende-tekniker och maskinlärande för att utveckla näthinnescannrar som potentiellt kan göra grundläggande, exakt igenkänning av vanliga ögonförhållanden, och hänvisa patienten till en läkare om diagnosen är positiv.