21:00 
Неинвазивное сканирование глаз позволяет врачам увеличить трехмерное изображение поверхности глаза, не причиняя пациенту дискомфорта или боли. Сканирование, которое регулярно используется в клиниках по всему миру, позволяет получить детальное изображение отдельных слоев внутренней части глаза, что помогает диагностировать состояния, угрожающие зрению. Но с таким уровнем точности приходит поток данных - сотни изображений за одно сканирование, которые врачам приходится просматривать вручную, а это трудоемкий процесс, уязвимый для человеческих ошибок.
Теперь исследователи из Медицинской школы Вашингтонского университета в Сент-Луисе в сотрудничестве с коллегами из Вашингтонского университета в Сиэтле и компанией Genentech, Inc. разработали экспериментальную систему искусственного интеллекта (ИИ), которая может ускорить процесс проверки сканирования и помочь врачам быстрее обнаружить едва заметные признаки заболеваний глаз. Технология, получившая название OCTCube-M, включает в себя семейство из трех моделей искусственного интеллекта, которые предназначены для чтения и интерпретации трехмерных изображений сетчатки глаза, а также других типов сканирования глаз.
В новом исследовании ученые обнаружили, что по сравнению со старыми моделями новая система искусственного интеллекта более точно идентифицирует восемь различных заболеваний сетчатки, включая возрастную дегенерацию желтого пятна — распространенное заболевание, которое повреждает сетчатку и является основной причиной слепоты у людей старше 50 лет. более точны в прогнозах того, как быстро будет прогрессировать тяжелая форма этого состояния, называемая географической атрофией.
Результаты, описывающие технологию, находящуюся на стадии исследования, были недавно опубликованы в журнале Nature Biomedical Engineering.
Сегодняшнее сканирование глаза дает врачам беспрецедентное, высокодетализированное изображение внутренней части глаза, выявляя структуры и тонкие изменения, которые в противном случае остались бы незамеченными. Но нам по-прежнему не хватает инструментов, которые могли бы помочь врачам обрабатывать объемы сгенерированных изображений. Наша система искусственного интеллекта потенциально может дать врачам возможность быстрее ставить диагнозы, точнее адаптировать лечение и разрабатывать клинические испытания, которые быстрее принесут пациентам новые методы лечения».
Аарон Ли, доктор медицинских наук, соавтор исследования, заслуженный профессор офтальмологии и визуальных наук Артура В. Стикла и глава отделения офтальмологии и визуальных наук Джона Ф. Хардести, Университет медицины штата Вашингтон
Кроме того, исследование показало, что модель может делать выводы о рисках для здоровья за пределами глаз, прогнозируя такие последствия, как сердечный приступ, инсульт и почечную недостаточность, основываясь исключительно на изображениях сетчатки. Крошечные кровеносные сосуды сетчатки анатомически и с точки зрения развития такие же, как и в почках, а процессы, которые приводят к накоплению бляшек внутри стенок кровеносных сосудов, питающих сердце и мозг, также оставляют следы в глазах.
"Модель может превратить простой осмотр глаз в мощный инструмент для диагностики. помогает обнаружить заболевание за пределами глаз", - сказал Ли. "Это открывает двери для более раннего выявления, более точного мониторинга и потенциально лучших результатов для пациентов, которые в противном случае могли бы остаться невыявленными, пока их болезнь не зайдет на гораздо более запущенную стадию".
Диагностическая игла в стоге сена данных
По данным Всемирной организации здравоохранения, по меньшей мере 2,2 миллиарда человек во всем мире имеют нарушения зрения. Метод визуализации, известный как оптическая когерентная томография, изменил диагностику и лечение заболеваний, вызывающих потерю зрения, благодаря Создание с помощью одного и быстрого сканирования сотен изображений поперечного сечения, которые вместе образуют детальное трехмерное изображение сетчатки и зрительного нерва. Он может выявить ранние признаки различных заболеваний глаз, таких как глаукома, дегенерация желтого пятна и диабетическая ретинопатия, а также других состояний.
Тем временем искусственный интеллект стал мощным инструментом для обработки больших наборов медицинских данных, и Ли и его коллеги внесли заметный вклад в эту область. Несколько лет назад они опубликовали в журнале Nature результаты, описывающие модель, которая лучше диагностирует заболевания глаз по двумерным изображениям сетчатки по сравнению со старыми моделями.
Поскольку модель обучалась на изображениях 2D-томографии, исследователи стремились определить, может ли добавление изображений 3D-томографии дополнительно улучшить диагностику заболевания и прогноз. 3D-изображения обеспечат более полное и точное изображение ткани. С этой целью для обучения OCTCube-M было использовано более 26 000 3D-изображений оптической когерентной томографии, содержащих 1,62 миллиона отдельных срезов сетчатки - изображения поперечного сечения сетчатки.
По сравнению с моделью, обученной на 2D-изображениях, OCTCube-M более точно идентифицировал шесть из восьми заболеваний сетчатки примерно на четыре-шесть процентных пунктов. означает, что инструмент выявляет от 43 до 60 дополнительных случаев заболеваний глаз на каждые 1000 человек.
