Mô hình AI Giảm thiểu Lỗi Kiểm tra Mắt

Các nhà nghiên cứu gần đây đã thiết kế một thuật toán trí tuệ nhân tạo dường như chẩn đoán chính xác hơn các vấn đề về thị lực so với các xét nghiệm thị lực cổ điển hiện đang được các bác sĩ sử dụng. Theo Science, xét nghiệm mới này có thể giảm lỗi chẩn đoán cho các xét nghiệm mắt khoảng 74%.

Các bác sĩ mắt đã sử dụng cùng một xét nghiệm thị lực, xét nghiệm mắt cổ điển dựa trên các biểu đồ với các chữ cái và biểu tượng khác nhau, trong nhiều thập kỷ. Kết quả của xét nghiệm này phụ thuộc vào bác sĩ mắt để giải thích, và当然, có thể có lỗi khi giải thích kết quả và đưa ra chẩn đoán. Các nhà nghiên cứu từ Đại học Stanford nhằm cải thiện các xét nghiệm này với một thuật toán trí tuệ nhân tạo.

Theo một nhà khoa học máy tính tại Stanford, Chris Piech, một phần của vấn đề với các xét nghiệm truyền thống là khi các chữ cái trở nên quá mờ để đối tượng có thể nhìn thấy, đối tượng bắt đầu đoán các chữ cái. Việc đoán này có nghĩa là kết quả của xét nghiệm có thể thay đổi nếu một người thực hiện xét nghiệm nhiều lần. Để phát triển một xét nghiệm với độ chính xác và khả năng tái tạo tốt hơn, Piech và các đồng nghiệp đã tạo ra một xét nghiệm trực tuyến, với kết quả của xét nghiệm được sử dụng để đào tạo một mô hình trí tuệ nhân tạo. Xét nghiệm trực tuyến đầu tiên hướng dẫn người dùng qua quá trình hiệu chỉnh màn hình. Sau khi màn hình được hiệu chỉnh, người dùng nhập khoảng cách từ màn hình và sau đó chương trình hiển thị một chữ cái “E”, xuất hiện ở các hướng khác nhau. Sau khi thực hiện, mô hình gán cho người dùng một điểm số thị lực, dựa trên một mô hình thống kê. Chương trình hỏi 20 câu hỏi cho mỗi mắt, cập nhật điểm số thị lực khi thực hiện, và sau đó đưa ra một dự đoán dựa trên điểm số thị lực.

Đội nghiên cứu đã chạy mô hình của họ qua 1000 mô phỏng máy tính mô phỏng đầu vào của bệnh nhân thực sự. Mô phỏng máy tính hoạt động bằng cách được thiết lập với một điểm số thị lực đã biết và sau đó thực hiện các loại lỗi mà một người có thể thực hiện khi thực hiện xét nghiệm. Các nhà nghiên cứu đã thực hiện các xét nghiệm theo cách này vì đối với mỗi xét nghiệm, có một “điểm số thị lực thực sự”, điều này không xảy ra khi một người thực hiện xét nghiệm. Theo các nhà nghiên cứu, mô hình của họ có thể giảm lỗi chẩn đoán khoảng ba phần tư (74%) so với các xét nghiệm thị lực cổ điển. Mặc dù những kết quả này khá ấn tượng, Piece và các đồng nghiệp cảnh báo rằng mô hình không được thiết kế để thay thế bác sĩ, mà nó là một công cụ mà bác sĩ có thể sử dụng để tăng cường độ chính xác của chẩn đoán.

Bác sĩ mắt Mark Blecher cho biết với Science rằng trong khi chương trình này là một thực hiện hữu ích và thông minh của mô hình trí tuệ nhân tạo cho nhãn khoa, các nhà nghiên cứu cũng nên xem xét các yếu tố như môi trường mà đối tượng thực hiện xét nghiệm, vì những thuộc tính này cũng có thể ảnh hưởng đến kết quả xét nghiệm. Ngoài ra, Blecher dự đoán rằng các nhà nghiên cứu có thể gặp khó khăn trong việc thuyết phục các bác sĩ mắt sử dụng mô hình mới của họ và đồng ý về một tiêu chuẩn mới, vì tình trạng hiện tại có thể khó thay đổi.

Nghiên cứu được thực hiện bởi Piech và các đồng nghiệp không phải là sự phát triển gần đây duy nhất liên quan đến trí tuệ nhân tạo và thị lực. Gần đây, Google (GOOGL ) phát triển một mô hình trí tuệ nhân tạo có thể偶尔 vượt qua các bác sĩ lâm sàng trong việc xác định các tình trạng mắt phổ biến có thể dẫn đến mất thị lực. Google DeepMind hợp tác với Bệnh viện Mắt Moorfields để phát triển một mô hình có thể dự đoán có ý nghĩa về khả năng một bệnh nhân có thể phát triển một dạng nặng của thoái hóa hoàng điểm. Ở nơi khác, một công ty khởi nghiệp Israel có tên là AEYE Health đã sử dụng các kỹ thuật tầm nhìn máy tính và học máy để phát triển các máy quét võng mạc có thể nhận ra chính xác các tình trạng mắt phổ biến, chuyển bệnh nhân đến bác sĩ nếu chẩn đoán là dương tính.