Модель штучного інтелекту суттєво знижує кількість помилок при огляді очей

Нещодавно дослідники створили алгоритм штучного інтелекту, який видається більш точним у діагностиці проблем з зором, ніж класичні тести зору, які зараз використовують лікарі. За даними Science, новий тест може зменшити кількість діагностичних помилок при огляді очей приблизно на 74%.

Офтальмологи протягом десятиліть використовують однаковий тест зору, класичний огляд очей на основі таблиць з різними літерами та символами. Результати тесту залежать від інтерпретації офтальмолога, і, природно, можуть бути помилки при інтерпретації результатів та діагностиці. Дослідники з Стенфордського університету намагалися покращити ці тести за допомогою алгоритму штучного інтелекту.

За словами комп’ютерного науковця з Стенфорда Кріса Піча, частина проблеми класичних тестів полягає в тому, що коли літери стають надто розмитими для того, щоб їх побачити, людина починає здогадуватися про літери. Це здогадування означає, що результати тесту можуть відрізнятися, якщо людина проходить тест кілька разів. Щоб створити тест з кращою точністю та повторюваністю, Піч та його колеги створили онлайн-тест, результати якого використовувалися для навчання моделі штучного інтелекту. Онлайн-тест спочатку проводить користувача через процес калібрування екрана. Після калібрування екрана користувач вводить свою відстань від екрана, а потім програма відображає літеру “Е”, яка з’являється в різних орієнтаціях. Після цього модель призначає користувачеві бал зору, заснований на статистичній моделі. Програма задає 20 питань для кожного ока, оновлюючи свій бал зору під час цього, а потім робить передбачення на основі балу зору.

Команда дослідників провела свій модель через 1000 комп’ютерних симуляцій, які імітують вхідні дані справжніх пацієнтів. Комп’ютерна симуляція працює шляхом попередньої настройки відомого балу зору та подальшого здійснення типових помилок, які людина могла б зробити під час проходження тесту. Дослідники проводили тести в такому порядку, оскільки для кожного тесту існує “справжній” бал зору, чого немає, коли людина проходить тест. За словами дослідників, їхня модель змогла зменшити кількість діагностичних помилок приблизно на три чверті (74%) у порівнянні з класичними тестами зору. Незважаючи на ці досить вражаючі результати, Піч та його колеги застерігають, що модель не призначена для заміни лікарів, а радше є інструментом, який лікарі потенційно можуть використовувати для покращення точності діагностики.

Офтальмолог Марк Блечер висловив думку до Science, що хоча програма є корисним та розумним застосуванням моделей штучного інтелекту в офтальмології, дослідники також повинні врахувати такі фактори, як середовище, в якому проходить тест, оскільки ці атрибути також можуть впливати на результати тесту. Окрім цього, Блечер передбачає, що дослідники можуть мати труднощі у переконанні офтальмологів використовувати свою нову модель та погодитися на новий стандарт, оскільки статус-кво може бути складним для зміни.

Дослідження, проведене Пічем та його колегами, не є єдиною недавньою розробкою, пов’язаною з штучним інтелектом та зором. Нещодавно Google (GOOGL ) розробила модель штучного інтелекту, яка іноді може перевершувати клініцистів у визначенні загальних захворювань очей , які можуть привести до втрати зору. Google DeepMind співпрацювала з лікарнею Moorfields Eye, щоб розробити модель, яка могла б суттєво передбачити можливість розвитку пацієнтом важкої форми макулярної дегенерації. В іншому місці ізраїльський стартап AEYE Health використав комп’ютерне зору та машинне навчання для розробки сканерів сітківки, які потенційно можуть забезпечувати базове та точне визнання загальних захворювань очей, направляючи пацієнта до лікаря, якщо діагноз позитивний.