Ученые из Технологического университета Наньян в Сингапуре (NTU Singapore) в сотрудничестве с клиницистами больницы Тан Ток Сенг (TTSH) в Сингапуре разработали новый метод, который использует искусственный интеллект (ИИ) для выявления глаукомы, группы глазных заболеваний, которые могут вызвать потерю зрения и слепоту из-за повреждения зрительного нерва в задней части глаза.
В методе с поддержкой ИИ используются алгоритмы, позволяющие отличить зрительные нервы с глаукомой от нормальных, путем анализа стереофонических изображений глазного дна – многоугловых 2D-изображений сетчатки, которые объединяются в трехмерное изображение.
При тестировании на стереофонических изображениях глазного дна от пациентов с TTSH, проходящих экспертное обследование, метод искусственного интеллекта показал точность 97% в диагностике глаукомы.
Глаукома часто называется "тихий вор зрения" поскольку это обычно бессимптомно до последних стадий, когда прогноз плохой. Это основная причина необратимой слепоты во всем мире, которая, наряду с быстрым ростом стареющего населения, как ожидается, повлияет на 111 человек.8 миллионов человек во всем мире к 2040 году по сравнению с 76 миллионами в 2020 году.
По словам ученых, автоматизированный метод диагностики глаукомы, разработанный NTU и TTSH, описанный в исследовании, опубликованном в рецензируемом научном журнале Methods в июне 2021 года, потенциально может быть использован в менее развитых регионах, где пациенты не имеют доступа к офтальмологам.
Исследование иллюстрирует исследовательские усилия NTU в рамках его стратегического плана на 2025 год, призванные быть в авангарде решения четырех великих проблем человечества, одна из которых заключается в реагировании на потребности и проблемы здорового образа жизни и старения.
Доктор. Леонард Йип, соавтор исследования и руководитель службы по лечению глаукомы Института глаз Национальной группы здравоохранения (NHG), TTSH, сказал: "Многие пациенты с глаукомой остаются недиагностированными в обществе, а в развивающихся странах, таких как Индия, процент недиагностированных случаев может превышать 90 процентов. В то время как случаи обычно выявляются во время рутинных проверок зрения, скрининг на уровне населения затруднен из-за наличия специализированного и дорогостоящего оборудования или необходимых подготовленных экспертов. Процесс ручного изучения отдельных изображений сетчатки также занимает много времени и зависит от субъективной оценки экспертов. Наш метод использования ИИ, напротив, потенциально мог бы быть более эффективным и экономичным."
Доцент Ван Липо из Школы электротехники и электроники НТУ и ведущий автор исследования сказал: "Благодаря сочетанию методов машинного обучения наша команда разработала модель скрининга, которая может диагностировать глаукому по изображениям глазного дна, избавляя офтальмологов от необходимости проводить различные клинические измерения (например, внутреннее давление в глазах) для диагностики. Простота использования нашего надежного автоматизированного подхода к диагностике глаукомы означает, что любой практикующий врач может использовать систему для помощи в скрининге глаукомы. Это будет особенно полезно в географических районах с ограниченным доступом к офтальмологам."
В настоящее время команда тестирует свои алгоритмы на более крупном наборе данных изображений глазного дна пациента, сделанных в TTSH. Они также изучают, как программное обеспечение может быть перенесено в приложение для мобильного телефона, чтобы при использовании вместе с камерой глазного дна или адаптером объектива для мобильных телефонов оно могло стать возможным инструментом для скрининга глаукомы в полевых условиях.
Как это работает
Автоматизированная система диагностики глаукомы, разработанная командой NTU и TTSH, использует набор алгоритмов для анализа стереофонических изображений глазного дна, полученных попарно двумя камерами с разных точек зрения. Эти двухмерные «левое» и «правое» изображения глазного дна помогают сформировать трехмерное изображение при объединении.
По словам ученых, использование двух изображений гарантирует, что если одно изображение низкого качества, другое изображение обычно может компенсировать, и система может поддерживать свою точную работу.
Набор алгоритмов состоит из двух компонентов: глубокой сверточной нейронной сети и сети, управляемой вниманием. Первая имитирует биологический процесс человеческого мозга, чтобы адаптироваться к обучению новым вещам, в то время как управляемая вниманием сеть имитирует манеру мозга выборочно фокусироваться на нескольких важных функциях – в данном случае, области головки зрительного нерва на изображениях глазного дна.
Затем выходные данные этих двух компонентов объединяются для получения окончательного результата прогноза.
Чтобы протестировать свои алгоритмы, ученые сначала уменьшили разрешение 282 изображений глазного дна (70 случаев глаукомы и 212 здоровых случаев), полученных у пациентов с TTSH во время скрининга глаз, прежде чем обучить алгоритмы с 70% набора данных.
Чтобы создать больше обучающих выборок, ученые также применили увеличение изображения – метод, который включает применение случайных, но реалистичных преобразований, таких как поворот изображения, – чтобы увеличить разнообразие набора данных, используемого для обучения алгоритмов, что повышает точность классификации алгоритмов.
Метод скрининга с использованием ИИ обеспечивает точность 97%
Затем совместная исследовательская группа проверила свой метод скрининга на оставшихся 30 процентах изображений пациентов и обнаружила, что точность определения случаев глаукомы составляет 97 процентов, а также чувствительность (доля случаев, правильно классифицированных среди всех положительных случаев глаукомы). 95 процентов – выше, чем у других современных методов, основанных на глубоком обучении, также опробованных в ходе исследования, в результате которых чувствительность варьировалась от 69 до 89 процентов.
Ученые также обнаружили, что использование пары стереоизображений глазного дна улучшило чувствительность их системы скрининга. Когда использовались изображения одного глазного дна, алгоритмы имели более низкую чувствительность от 85 до 86 процентов.
Доцент НТУ Ван сказал: "Отличная и стабильная работа особенно важна в медицинской диагностике, и это исследование показало, что наша модель объединения глубокой сверточной нейронной сети с механизмами внимания привела к надежному и эффективному подходу к скринингу глаукомы с использованием ИИ. Использование изображений левого и правого глазного дна в стереопаре для скрининга глаукомы также помогло значительно повысить надежность модели скрининга. В дальнейшем мы стремимся к дальнейшей доработке наших алгоритмов и проверке клинического использования нашего подхода искусственного интеллекта путем дальнейшего тестирования их на большем количестве изображений пациентов."
Доктор ТТШ. Ип сказал: "Наше исследование показало, что методы искусственного интеллекта могут предложить врачам новые инструменты для облегчения их работы и более эффективной диагностики. Портативный инструмент на базе искусственного интеллекта, который, как мы предполагаем, в конечном итоге примет наша модель скрининга, также может помочь решить проблему плохого доступа к первичной медико-санитарной помощи и ошибок в дифференциальной диагностике."