Wykorzystując sztuczną inteligencję i techniki uczenia maszynowego, naukowcy z Shiley Eye Institute University of California i School of Medicine w San Diego, wraz z kolegami z Chin, Niemiec i Teksasu, opracowali nowe narzędzie obliczeniowe do badania pacjentów z częstymi, ale prowadzącymi do ślepoty chorób siatkówki, potencjalnie przyspieszające rozpoznawanie i rozpoczęcie leczenia. Odkrycia opublikowano w wydaniu czasopisma naukowego "Cell" .

"Sztuczna inteligencja (artificial intelligence-AI) ma olbrzymi potencjał do zrewolucjonizowania diagnostyki i postępowania z chorobami poprzez przeprowadzanie analiz i klasyfikacji zawierających olbrzymie ilości danych, które są trudne do opracowania przez ekspertów ludzkich - i szybkie ich analizowanie" - powiedział starszy autor- okulista Kang Zhang, profesor w Shiley Eye Institute i założyciel Instytutu Medycyny Genomowej w UC San Diego School of Medicine.

Obecne metody obliczeniowe są pracochłonne i kosztowne oraz wymagają użycia milionów obrazów do szkolenia systemu sztucznej inteligencji. W swoim nowym artykule Zhang i współpracownicy wykorzystali wykorzystali splotową sieć neuronową do przeglądu ponad 200 000 skanów oka przeprowadzonych za pomocą optycznej tomografii koherencyjnej, czyli nieinwazyjnej technologii, która odbija światło od siatkówki i tworzy dwu- i trójwymiarowe obrazy tej tkanki.

Następnie naukowcy zastosowali technikę zwaną transferem umiejętności, w której wiedza zdobyta podczas rozwiązywania jednego problemu jest przechowywana przez komputer i stosowana do różnych, ale pokrewnych problemów. Na przykład, sieć neuronowa AI zoptymalizowana pod kątem rozpoznawania dyskretnych struktur anatomicznych oka, takich jak siatkówka, rogówka lub nerw wzrokowy, może szybciej i skuteczniej identyfikować i oceniać je podczas badania obrazów całego oka. To pozwala systemowi AI na efektywną naukę przy znacznie mniejszym zestawie danych niż tradycyjne metody.

Naukowcy dodali następnie test okluzyjny, w którym komputer identyfikuje obszary na każdym obrazie, które są najbardziej interesujące i stanowią podstawę do podania wniosków. "Uczenie maszynowe często przypomina czarną skrzynkę, w której nie wiemy dokładnie, co się dzieje", powiedział Zhang. "Dzięki testom okluzyjnym komputer może nam powiedzieć, gdzie patrzy na obrazie, aby uzyskać diagnozę, dzięki czemu możemy ustalić, dlaczego system uzyskał taki wynik. To sprawia, że system jest bardziej przejrzysty i zwiększa nasze zaufanie do diagnozy. "

W badaniu skupiono się na dwóch częstych przyczynach nieodwracalnej ślepoty: zwyrodnieniu plamki żółtej i cukrzycowym obrzęku plamki. Obie choroby są jednak uleczalne, jeśli zostaną wcześnie wykryte. Rozpoznania pochodzące z komputera porównano z diagnozami pięciu okulistów, którzy dokonali analizy tych samych obrazów. Oprócz przeprowadzenia diagnostyki medycznej, platforma sztucznej inteligencji wygenerowała również zalecenie dotyczące skierowania i leczenia, które nie zostało wykonane we wcześniejszych badaniach.

Dzięki prostemu szkoleniu autorzy zauważyli, że maszyna działa podobnie do dobrze wyszkolonego okulisty i może podjąć decyzję, czy pacjent powinien zostać skierowany na leczenie już w ciągu 30 sekund, z dokładnością większą niż 95 procent.

Taka prędkość i dokładność byłyby ogromnym krokiem naprzód w diagnozach medycznych i leczeniu, jak twierdzi Zhang, zauważając, że obecna opieka zdrowotna jest często długotrwała, ponieważ pacjenci są kierowani do lekarzy specjalistów, pochłaniając czas i zasoby oraz opóźniając skuteczne leczenie. Zhang zauważył również, że uproszczone i stosunkowo niedrogie narzędzie oparte na sztucznej inteligencji byłoby dobrodziejstwem w miejscach i częściach świata, w których zasoby medyczne, w szczególności specjaliści, są ograniczone.

Naukowcy nie ograniczali swoich badań do chorób oczu. Badacze przetestowali także swoje narzędzie AI w diagnozowaniu zapalenia płuc w dzieciństwie, wiodącej przyczyny zgonów na świecie u dzieci poniżej 5 roku życia, na podstawie analizy maszynowej zdjęć rentgenowskich klatki piersiowej. Odkryli, że komputer był w stanie rozróżnić wirusowe i bakteryjne zapalenie płuc z dokładnością większą niż 90 procent. Wirusowe zapalenie płuc jest leczone przede wszystkim objawowo, ponieważ organizm w naturalny sposób pozbywa się wirusa. Bakteryjne zapalenie płuc jest poważniejszym zagrożeniem dla zdrowia i wymaga natychmiastowego leczenia antybiotykami.

Zhang powiedział, że odkrycia pokazują, iż technologia sztucznej inteligencji ma wiele potencjalnych zastosowań, w tym prawdopodobnie rozróżnienie łagodnych i złośliwych zmian wykrytych na obrazach diagnostycznych. Naukowcy opublikowali swoje dane i narzędzia, którymi się posługiwali, aby inni mogli dalej ulepszać, udoskonalać i rozwijać ten potencjał.

"Przyszłość przyniesie więcej danych, większą moc obliczeniową i większe doświadczenie ludzi korzystających z tego systemu, abyśmy mogli zapewnić najlepszą możliwą opiekę nad pacjentem, przy jednoczesnej opłacalności" - powiedział Zhang.

Źródło: eurekalert.org