Ny forskning anvender kunstig intelligens til at målrette øjensygdom |

Makuladegeneration og diabetisk retinopati kan forårsage blindhed, hvis den ikke diagnosticeres og behandles straks.Carmelo Geraci / Getty Images

27. februar 2018

Potentialet for kunstig intelligens (AI) til at diagnosticere og behandle sundhedsbetingelser fortsætter med at få fart, da en ny undersøgelse viser, hvordan teknologien kan fremskynde diagnose og behandling af øjensygdomme.

Et papir udgivet 22. februar i tidsskriftet Cell beskriver hvordan AI kan anvendes til patienter med retinale sygdomme. Forskningen, ledet af Kang Zhang, MD, Ph.D., professor i oftalmologi ved Shiley Eye Institute ved University of California i San Diego, viser, at en computer kunne lære at nøjagtigt og pålideligt genkende sådanne almindelige øjenlidelser som makuladegeneration og diabetisk retinopati.

"Dette handler om at forsøge at lære en computer, hvad et billede er, og hvordan man kan træffe en beslutning om, hvad de ser," forklarer Dr. Zhang. "Målet er, at computeren skal være lige så god som den specialist, der gik til medicinsk skole og er højtuddannet inden for medicinsk diagnostik og behandling."

Selvom det kan tage en specialist årtiers praktisk erfaring at nå det højeste niveau af ekspertise , tilføjer han, "vi ser, at en computer kan genkende disse ting efter nogle få dage."

Papiret følger andre nylige undersøgelser, der viser, at computere med dybere læring kan have et legitimt sted inden for sundhedspleje, siger Rahul Khurana, MD, en øjenlæge i Mountain View, Californien og en klinisk talsmand for American Academy of Ophthalmology.

"Denne type teknologi er meget præcis for patienter med visse typer tilstande," siger Dr. Khurana. "Det skaber spænding i marken."

Diagnostisk macular degeneration, diabetisk retinopati

I det nye papir fodrede Zhang og hans kolleger i Kina, Tyskland og Texas først billeder af øjensygdomme i computeren. Billederne blev taget med en billeddannelsesteknik kendt som optisk kohærensomografi. Denne nyere, revolutionerende diagnostiske teknologi bruger lyse bølger til at tage billeder med høj opløsning i tværsnit af øjet for at give lægerne mulighed for at kortlægge og måle nethinden i detaljer.

Scannerne bruges til at hjælpe med at lokalisere almindelige tilstande som makulær degeneration, hvor en del af nethinden kaldes macula forværres og diabetisk retinopati, en komplikation af diabetes, der får blodkarrene i nethinden til at svulme og lække væske. Begge er farlige forhold, der kan forårsage blindhed, hvis de ikke diagnosticeres og behandles hurtigt.

Nuværende beregningsmetoder kræver millioner af billeder til at træne en computer. Zhangs forskning anvendte et AI-baseret "fonetisk neuralt netværk", der krævede et meget mindre datasæt med kun 200.000 optiske kohærensbilledscanning. "

" "Computeren lærer det normale kort af øjet", siger Zhang. "Vi giver det en række billeder til at lære og huske. Vi lærer for eksempel: 'Hvis dette sted er her, vil det være makuladegeneration.' Skønheden i dette er i stedet for at få computeren til at lære af sig selv, vi kan fortælle dem, hvad de skal se efter. Dette handler om at designe computer software til at gøre computere tænke som et menneske. "

Computeren kunne generere en beslutning om, hvorvidt en patient skal henvises til behandling inden for 30 sekunder og med 95 procent nøjagtighed.

Studien viser, at neurale netværk kan hjælpe læger og måske endda overskride dem med evnen til at huske så mange data. Sådan teknologi vil have anvendelser over hele verden, forudsiger Zhang. I ressourcerige lande som USA kan det fremskynde den kritiske tid mellem tegn på sygdom og behandling.

"En patient med mulig makuladegeneration kan muligvis behandles inden for en måned, men henvisninger og aftaler kan ende med at tage flere måneder. Det kan forsinke diagnosen og behandlingen, "siger han.

Behandling af patienter, hvor specialister er knappe.

I ressourcefattige områder kan teknologien hjælpe patienter, der ellers ikke får nogen pleje på grund af manglen på læger. Zhang og hans kolleger vil tage deres neurale netværk til Haiti denne sommer for at vurdere dets nytteværdi. Regionen har en stor befolkning af mennesker med diabetes, der har risiko for retinopati, men har færre end 60 ophthalmologer. "

" Muligheden for at gøre dette vil forhåbentlig give flere patienter adgang til sundhedssystemet, fordi vi kan diagnosticere forhold tidligere, "siger Khurana og bemærker, at der er ca. 415.000 mennesker, der lever med diabetes over hele verden, som er i fare for diabetisk retinopati. "Når vi har ny og forbedret teknologi, der gør det muligt for os at foretage diagnoser hurtigere, bedre og mere omgængelig for den bredere befolkning, er det en win-win for patienter og læger."

Få læger til at stole på computere

Udfordringer forbliver i at implementere AI-baserede netværk i sundhedspleje, Zhang noter. Lægerne må stole på deres computerassistenter. I undersøgelsen bad Zhang og hans kolleger også computeren om at forklare diagnosen, identificere de øjeområder, der blev anerkendt, og var grundlaget for maskinens konklusion.

"Computeren spytter ikke bare en diagnose. Det forklarer, hvorfor det gjorde diagnosen og anbefalingen det gjorde, "siger han. "Det gør dette mere gennemsigtigt og hjælper lægen tillid til computeren mere. På den måde er det ikke bare en sort boks, og du har ingen anelse om, hvorfor det giver de diagnoser, det gør. "

Andre anvendelser til kunstig teknologi

AI-baserede netværk har stort potentiale inden for sundhedspleje billeddannelse. Zhang viste også, at systemet kunne skelne mellem virus og bakteriel lungebetændelse hos børn ved at undersøge røntgenstråler. Mens viral lungebetændelse måske ikke kræver nogen behandling, kræver en patient med bakteriel lungebetændelse hurtig antibiotikabehandling for at forhindre alvorlige komplikationer af sygdommen.

"Vi ser en række medicinske felter, hvor kunstig intelligens bliver brugt mere og mere" Khurana siger. "Jeg synes det er en meget spændende tid inden for kunstig intelligens og dens anvendelser inden for medicin."