ИИ лучше, чем большинство экспертов-людей, обнаруживает причину недоношенной слепоты

Согласно статье, опубликованной в JAMA Ophthalmology, алгоритм, использующий искусственный интеллект, может автоматически и более точно диагностировать потенциально разрушительную причину детской слепоты, чем большинство опытных врачей.

Это открытие может помочь предотвратить слепоту у большего числа детей с этим заболеванием, которое называется ретинопатией недоношенных или ROP. Музыкант Стиви Уандер ослеп из-за этого состояния.

Алгоритм точно диагностировал состояние на изображениях глаз младенца в 91% случаев. С другой стороны, команда из восьми врачей с опытом ROP, которые исследовали одни и те же изображения, имела средний уровень точности 82%.

"Огромная нехватка офтальмологов, обученных и желающих диагностировать ROP. Это создает огромные пробелы в уходе, даже в Соединенных Штатах, и, к сожалению, приводит к тому, что слишком много детей во всем мире остаются невыявленными," сказал со-ведущий исследователь исследования Майкл Чанг, M.D., профессор офтальмологии и медицинской информатики & клиническая эпидемиология в Медицинской школе OHSU и детский офтальмолог в детской глазной клинике Elks в OHSU Casey Eye Institute.

"Этот алгоритм извлекает знания офтальмологов, которые имеют опыт определения ROP, и помещает их в математическую модель, чтобы клиницисты, у которых, возможно, не было такого же богатого опыта, все же могли помочь младенцам получить своевременный и точный диагноз," сказал другой ведущий исследователь, Джаяшри Калпати-Крамер, доктор философии.D., Афинула А. Мартинос, Центр биомедицинской визуализации при Массачусетской больнице общего профиля, который также является адъюнкт-профессором радиологии в Гарвардской медицинской школе.

Основная причина детской слепоты

Ретинопатия недоношенных возникает из-за аномального роста кровеносных сосудов возле сетчатки, светочувствительной части задней части глаза. Заболевание часто встречается у недоношенных детей и является основной причиной детской слепоты во всем мире.

Национальный институт глаз при Национальных институтах здоровья сообщает, что до 16000 ед.S. младенцы в некоторой степени страдают ретинопатией недоношенных, но в результате только до 600 человек ежегодно становятся слепыми. Это состояние становится все более распространенным, поскольку улучшается медицинская помощь недоношенным детям.

Заболевание диагностируется при визуальном осмотре глазного яблока. Врачи обычно используют увеличительное устройство, которое направляет свет на расширенный глаз ребенка, но такой подход может привести к вариативным и субъективным диагнозам.

Вычислительный интеллект

Искусственный интеллект, также называемый ИИ, позволяет машинам думать, как люди, и является растущей областью здравоохранения. В прошлом месяце FDA одобрило устройство искусственного интеллекта, которое обнаруживает заболевания глаз, связанные с диабетом. Другие пытались разработать компьютеризированные системы для диагностики ретинопатии недоношенных, но ни одна из них не смогла сравниться с точностью визуальной диагностики, поставленной врачами.

Этот алгоритм специально использует глубокое обучение, форму искусственного интеллекта, которая имитирует то, как люди воспринимают мир через зрение, включая идентификацию объектов. Исследователи MGH объединили две существующие модели искусственного интеллекта для создания алгоритма, а исследователи OHSU разработали обширные эталонные стандарты для его обучения.

Они впервые обучили алгоритм идентификации сосудов сетчатки на более чем 5000 снимках, сделанных во время визитов младенцев к офтальмологу. Затем они научили его различать здоровые и больные сосуды. Впоследствии они сравнили точность алгоритма с точностью опытных экспертов, которые просмотрели те же изображения, и обнаружили, что он работает лучше, чем большинство экспертов-врачей.

В настоящее время вся исследовательская группа работает с коллегой из Индии, чтобы выяснить, может ли алгоритм диагностировать ROP у индийских младенцев так же, как это было сделано для группы преимущественно кавказских младенцев, участвовавших в этом исследовании. Они также изучают, может ли алгоритм диагностировать состояние на изображениях других частей сетчатки помимо сосудов. Конечная цель – дать врачам возможность внедрить эту технологию в свою клиническую практику.