Sztuczna inteligencja w okulistyce
Skrót informacji
Sztuczna inteligencja (AI) w ostatnich latach stała się rozwiązaniem rewolucyjnym w wielu dziedzinach medycyny
W okulistyce sztuczną inteligencję zastosowano do interpretacji czasu przerwania filmu łzowego, obrazów z lampy szczelinowej, meibomografii, osmolarności łez, i optycznej koherentnej tomografii (.OCT) w celu zdiagnozowania choroby suchego oka (DED), oraz do analizy zdjęć dna oka, OCT i pól widzenia w celu wykrycia retinopatii cukrzycowej (DR), zwyrodnienia plamki związanego z wiekiem (AMD), jaskry i obrzęku plamki.
Sztuczna inteligencja w połączeniu z telemedycyną może być kluczowym narzędziem w badaniach przesiewowych i monitorowaniu różnych chorób okulistycznych, takich jak DR, AMD czy jaskra.
Retinopatia cukrzycowa
Rozwojowi retinopatii cukrzycowej i jej powikłaniom można zapobiegać poprzez terminowe badania przesiewowe, szybkie rozpoznawanie i leczenie. Badania przesiewowe mogą być wykonywane przez różnych pracowników służby zdrowia, w tym okulistów, optometrystów, lekarzy ogólnych, czy techników wykonujących badania przesiewowe.
Główną przeszkodą we wdrażaniu programów przesiewowych w kierunku DR są ograniczenia kadrowe i finansowe, pomimo tego że AI wykazała w badaniach klinicznych doskonałą skuteczność diagnostyczną w wykrywaniu DR.[1,2,3]. Nadal konieczne jest przetestowanie programów przesiewowych w warunkach codziennych, oraz standaryzacja badań w poszczególnych grupach etnicznych.
AMD
Wraz z wydłużeniem średniej długości życia na całym świecie, gwałtownie rośnie populacja osób starszych. AMD jest obecnie główną przyczyną upośledzenia wzroku w starszej populacji, dlatego też istnieje zapotrzebowanie na system AI do badania tych pacjentów w celu dalszego kierowania ich do ośrodków okulistycznych.
Ting i wsp.[4] opracowali moduł AI skuteczny w wykrywaniu AMD w stadium wymagającym leczenia. Naukowcy opracowali różne modele przy użyciu sześciu konwencjonalnych sieci neuronowych - AlexNet, GoogleNet, VGG, Inception-V3, ResNet i Inception-ResNet-V2.[5,6] Niestety we wszystkich tych badaniach brakuje zewnętrznej walidacji poszczególnych systemów AI.
Jaskra
Algorytmy AI zostały opracowane w celu wykrycia tarczy nII ze zmianami jaskrowymi i odróżnienia jaskrowych uszkodzeń warstwy włókien nerwowych od prawidłowych skanów na szerokokątnych OCT.[4,7] Elze i wsp.[8] opracowali autonomiczny program komputerowy do analizy pola widzenia (VF), który rozpoznaje klinicznie istotne wzorce utraty VF i>
Zespół Suchego Oka
