РУССКИЙ 
ENGLISH 
|
Искусственный интеллект (ИИ) начинает революционизировать повседневную практику офтальмологии. Когда система ИИ приобретает способность распознавать паттерны или маркеры заболевания, она может стать инструментом для автоматизированной диагностики. Уже существуют или разрабатываются системы ИИ для обнаружения множества офтальмологических заболеваний, включая диабетическую ретинопатию, возрастную дегенерацию макулы и глаукому. В SCEI наши исследователи изучают использование больших наборов данных и искусственного интеллекта для улучшения диагностики и лечения нарушений зрения. Наш приоритет — усовершенствование и продвижение этого важного инструмента, чтобы предложить более передовые варианты лечения большему числу пациентов. Директор SCEI Рохит Варма, доктор медицинских наук, магистр общественного здравоохранения, недавно выделил четыре ключевых аспекта ценности искусственного интеллекта в Ophthalmology Times: 1) ИИ приобретает диагностическую убедительность. У него есть потенциал предложить более высокий уровень объективности и точности при анализе медицинских изображений и формулировке прогнозов, чем у многих человеческих врачей. Поддерживающим этот потенциал является широкое использование больших данных и увеличенной вычислительной мощности. 2) ИИ становится надежным медицинским партнером. Новый ИИ может предложить убедительное объяснение, почему он делает определенный диагноз, и может указать на конкретную часть сканирования, которая привела к его выводам. Эта возможность является большим шагом вперед. 3) ИИ экономит время. Отчеты показывают, что ИИ может выполнять повторяющуюся аналитическую работу за секунды — тип работы, который может занять у человека часы. Кроме того, ИИ может собирать 3D-модели офтальмологической опухоли из данных, взятых из сотен 2D-сканов. 4) ИИ может увеличить доступ к медицинской помощи. Пациенты, проживающие в отдаленных районах или вдали от специалистов, смогут использовать версию ИИ для телемедицины, чтобы проводить осмотры глаз и консультации. Собранные данные затем могут быть отправлены в центр ИИ для анализа. Глубокое обучение и диабетическая ретинопатия В 2018 году Варма возглавил исследование системы глубокого обучения (DLS), технологии машинного обучения с потенциалом для скрининга заболеваний глаз. Цель: Исследование было организовано для определения эффективности DLS в выявлении переносимой и угрожающей зрению диабетической ретинопатии (DR), глаукомы и возрастной дегенерации макулы в многонациональных популяциях с диабетом. Проблема: В прошлом несколько систем глубокого обучения показали обещающие результаты, но исследования проводились с использованием баз данных из однородных популяций белых людей. Чтобы действительно понять потенциал DLS, его нужно было оценить, используя сетчаточные изображения пациентов разных рас и этнических групп — и различную фундусную пигментацию (фундус — это внутренняя поверхность глаза). Процесс: DLS была обучена и проверена на возможность обнаружения заболеваний глаз с использованием сетчаточных изображений. Варма и его исследовательская группа использовали изображения из текущей общественной программы скрининга диабетической ретинопатии (DR) в Сингапуре, а также 10 дополнительных многонациональных наборов данных из разных стран с разнообразными популяциями с диабетом. Результаты: У DLS была чувствительность 90,5% и специфичность 91,6% для обнаружения переносимой DR; 100% чувствительности и 91,1% специфичности для угрожающей зрению DR; 96,4% чувствительности и 87,2% специфичности для возможной глаукомы и 93,2% чувствительности и 88,7% специфичности для возрастной дегенерации макулы по сравнению с профессиональными оценщиками. Заключение: У DLS высокая чувствительность и специфичность для идентификации диабетической ретинопатии и связанных с ней заболеваний глаз. Дополнительные исследования необходимы для оценки применимости DLS в медицинских учреждениях и его полезности в улучшении результатов лечения зрения. Читайте больше о глубоком обучении и скрининге диабетической ретинопатии.
Слушайте последние подкасты: |
