人工智能被用于分析视网膜图像

在一个新开发的方法中，人工智能（AI）被用于分析视网膜图像。该系统可以被医生用于选择最佳治疗方法，用于治疗因糖尿病黄斑水肿导致视力丧失的患者，这是一种糖尿病并发症。这种问题经常导致工作年龄成年人视力丧失。

抗血管内皮生长因子（VEGF）的治疗是对抗糖尿病黄斑水肿的第一种常用治疗方法。VEGF剂量的问题在于它们不适用于所有人。那些可能从治疗中受益的人需要被识别出来，因为它需要多次注射。这些注射非常昂贵，对于患者和医生来说都很繁琐。

研究团队的负责人是杜克大学的Sina Farsiu。

“我们开发了一个可以自动分析视网膜光学相干断层扫描（OCT）图像的算法，以预测患者是否可能对抗VEGF治疗产生反应，”她说。“这项研究代表了精准医学的一个步骤，在这种预测中，临床医生可以根据特定的疾病条件更好地选择第一线治疗方法。”

这项工作发表在光学学会(OSA)期刊生物医学光学表达上。在期刊中，Farsiu和她的团队展示了新的算法如何准确预测患者是否可能对抗VEGF治疗产生反应，只需一次体积扫描。

“我们的方法可能被用于眼科诊所，以防止不必要和昂贵的试验性治疗，从而减轻患者的治疗负担，”Farsiu说。“算法也可以被改编为预测其他许多眼部疾病的治疗反应，包括新生血管性年龄相关性黄斑变性。”

新开发的算法基于一种新型的卷积神经网络（CNN）架构。CNN是一种人工智能，它为分析图像中的各个方面或对象分配重要性。该算法被研究人员用于检查使用OCT获取的图像，OCT是一种非侵入性技术。OCT产生高分辨率的横截面视网膜图像，并被认为是各种眼部疾病评估和治疗的标准。

“与以前开发的方法不同，我们的算法只需要来自单个预处理时间点的OCT图像，”论文的第一作者和Farsiu实验室的博士后研究员Reza Rasti说。“不需要时间序列OCT图像、患者记录或其他元数据来预测治疗反应。”

新算法通过突出OCT中的全局结构，同时也增强了来自疾病区域的局部特征。它搜索CNN编码的特征，这些特征可以与抗VEGF反应相关联。

该算法使用了127名患者的OCT图像，这些患者接受了三次连续的抗VEGF剂量注射治疗糖尿病黄斑水肿。然后算法分析了在抗VEGF注射之前拍摄的OCT图像，并将算法的预测与抗VEGF治疗后拍摄的OCT图像进行比较。这告诉研究人员治疗是否改善了病情。

算法被发现具有87％的准确率，用于预测那些对治疗有反应的人。它具有85％的平均精度和特异性，80％的敏感性。

研究人员现在希望确认这些发现，并对尚未接受治疗的患者进行更大规模的观察性试验。