28 Дек Применение искусственного интеллекта в офтальмологии: настоящее и будущее
В настоящее время медицинская отрасль подвергается активной цифровой трансформации, включающей создание электронных баз данных, систем облачной безопасности, мобильных устройств для контроля здоровья и инструментов телемедицины. Одним из важнейших технологических достижений последнего десятилетия является искусственный интеллект (ИИ), постепенно находящий свое применение в различных разделах практической медицины. Наиболее часто применяемым инструментом ИИ принято считать нейронные сети (НС), использование которых в офтальмологии является перспективным подходом, повышающим качество клинического обследования.
Возможности применения ИИ в офтальмологии достаточно разнообразны в диагностике наиболее распространенных офтальмонозологий: диабетической ретинопатии (ДР), макулярной дегенерация, глаукомы, катаракты и пр.
Диабетическая ретинопатия. НС используются для анализа изображений глазного дна при ДР с целью выявления патологических изменений на ранних этапах. В настоящее время ведется ряд исследований, посвященных повышению производительности скрининга ретинопатии на основе различных алгоритмов ИИ используются большие базы для идентификации геморрагий, твердых экссудатов, микроаневризм, мягких экссудатов и точек просачивания. Результаты продемонстрировали эффективный потенциал программы, поскольку ее реализация позволила снизить уровень слепоты, обусловленной ДР.
В 2021 г. на основе НС ResNet50 в отделе патологии сетчатки ФГБУ «НМИЦ ГБ им. Гельмгольца» Минздрава России был разработан сервис для диагностики диабетических изменений глазного дна по фото с помощью инструментов машинного обучения, продемонстрировавший большой потенциал для повышения эффективности принимаемых решений. Чувствительность модели НС входе диагностики составила 85%.
В обзорах последних лет поднимается вопрос об использовании ИИ для скрининга ДР. Это значит, что алгоритмы, способные выявлять ранние стадии ретинальной патологии, могут стать полноценной заменой существующим моделям скрининга. НС снижают затраты, повышают точность диагностики и способствуют направлению пациентов на скрининг.
Возрастная макулярная дегенерация (ВМД). НС в настоящее время также призваны повысить точность диагностики наличия ВМД и дифференцировки ее вида. В 2017 г. была разработана система скрининга, способная различать норму и патологию макулярной зоны по данным ОКТ. Годом позже использовали ОКТ-изображения для создания НС, выявляющей экссудативные изменения на фоне ВМД. В 2018г. появились первые работы по наделению ИИ полномочиями в приеме решения о старте анти-VEGF терапии. Авторы установили, что в 95% случаев НС правильно указывала на необходимость интравитреальных инъекций.
В 2021—2022 гг. прошла апробацию система домашней ОКТ-диагностики Notal Vision с автоматизированным анализом объема ретинальной жидкости при неоваскулярной ВМД и автоматической выгрузкой данных. Авторы пришли к выводу о том, что система может рассматриваться в качестве альтернативы для мониторинга заболевания с принятием решения о продолжении лечения при меньшем количестве инъекций и посещений офтальмолога.
Глаукома. В 1995 г. было опубликовано первое исследование, посвященное применению НС для выявления глаукомных периметрических изменений, показавшее точность до 97%. Использовали НС для отслеживания изменений поля зрения и прогнозирования стадии глаукомы. Ведущими алгоритмами ИИ в области оценки динамических изменений при глаукоме считаются LAS (установление нелинейных отношений) и DE (так называемый эволюционный алгоритм). В 2019 г. К. Park и соавт. предложили алгоритм глубокого обучения RNN (рекуррентная НС), призванный помочь в принятии решения о дальнейшем лечении глаукомы. Одними из первых среди отечественных офтальмологов внедрением технологий ИИ в диагностику глаукомы занимались коллективы авторов под руководством Е.Н. Комаровских и А.В. Куроедова.
Результаты проведенных исследований в совокупности с выбором факторов, ассоциированных с глаукомой, помогли создать модели прогнозирования риска ее развития и прогрессирования. Наиболее полезными для дифференцировки открытоугольной глаукомы и подозрения на глаукому факторами оказались пол, возраст, менопауза, длительность офтальмогипертензии, уровень офтальмотонуса, вертикальное соотношение экскавации к диску зрительного нерва (ДЗН) и уменьшение толщины слоя нервных волокон сетчатки (СНВС) в верхне- и нижневисочном квадрантах. Для расчета риска прогрессирования глаукомы применили НС, показавшую себя эффективным инструментом дифференцировки глаукомы и подозрения на глаукому, существенно повысив точность диагностики.
Работы последних лет по применению ИИ при глаукоме направлены на возможности применения НС в отслеживании динамики морфофункциональных изменений. Так, путем анализа функциональных параметров автоматизированной периметрии и изменений на ОКТ (толщина СНВС) в 2022 г. были созданы алгоритмы обучения, которые позволяют дифференцировать развитую и начальную стадии глаукомы. Было показано, что нейронный алгоритм, использующий данные периметрии и ОКТ перипапиллярной зоны для дифференцировки глаукомной оптиконейропатии, работает эффективнее, чем специалисты по глаукоме, анализирующие данные результаты. В исследовании в анализ добавлены демографические характеристики, острота зрения и центральная толщина роговицы (ЦТР), а также факт проведения антиглаукомной хирургии. Полученная модель позволила прогнозировать вероятность последующих антиглаукомных операций.
Таким образом, применение НС при глаукоме следует рассматривать как инструмент для офтальмологов, который со временем сможет играть ключевую роль в диагностике. Безусловно, НС не смогут заменить клинические навыки, но существенно облегчат принятие решения.
Катаракта. Считается, что возможности использования ИИ при помутнении хрусталика изучены меньше, чем при прочих офтальмопатиях. В недавних исследованиях предприняты попытки применения НС для диагностики катаракты, но их эффективность напрямую зависит от локализации и выраженности помутнений. С 2020 по 2022 г. с помощью алгоритмов на базе глубокого обучения удалось добиться точной локализации и классификации кортикальных и ядерных помутнений.
Другие работы касаются расчета оптимальной оптической силы интраокулярной линзы (ИОЛ) для достижения запланированной рефракции в послеоперационном периоде, что при применении ИИ может быть выполнено точнее, чем с помощью традиционных формул расчета. Разрабатываются также инновационные инструменты анализа видеоматериалов, что может способствовать изменению подходов к документированию, хранению и каталогизации видеобиблиотек, используемых для обучения и оценки осложнений. Программное приложение LensCalc, основанное на использовании алгоритмов ИИ для выбора формулы расчета оптической силы ИОЛ для достижения целевой рефракции, предложено российскими офтальмологами — А.Р. Виноградовым и соавт. Возможности расчета оптической силы ИОЛ с использованием глубокого обучения НС также исследованы А.А. Арзамасцевым и соавт.
Заболевания глазной поверхности. Другая сфера применения ИИ — заболевания роговицы, в частности дифференцировка между инфекционным и грибковым кератитом, ранняя диагностика эндотелиальной дистрофии Фукса, выявление и оценка кератоконуса, прогнозирование результатов имплантации интрастромальных кольцевых сегментов.
Было проанализировано влияние ряда параметров на эффективность классификации кератоконуса по данным кератотопографии (норма, астигматизм, кератоконус и фоторефракционная кератэктомия). М. Arbelaez и соавт. исследовали эффективность НС в классификации данных кератотопографических карт по 4 классам (клинически выраженный кератоконус, субклинический кератоконус, состояние после рефракционных операций и норма), что позволило существенно увеличить чувствительность и специфичность диагностики субклинического кератоконуса.
Офтальмоонкология. Применение нейросетевых алгоритмов в онкологии в целом и офтальмоонкологии в частности связано с возможностью прогнозирования течения заболевания и выживаемости пациентов. На основании данных возраста, пола, клинической стадии, гистологического типа увеальной меланомы и ее молекулярно-генетических особенностей также обучили НС прогнозировать выживаемость пациентов. На основе анализа разработали модель для расчета персонального риска метастазирования увеальной меланомы, исследовали корреляцию между цветом радужки и риском развития меланомы в китайской популяции.
Перспективы применения ИИ. Применение НС в медицине будущего может быть сосредоточено на двух направлениях: «автоматизированная диагностика» и «помощь в организации здравоохранения». В настоящее время у алгоритмов ИИ есть перспективы составления конкуренции врачам в диагностике стадий ряда офтальмопатологий с учетом высокой точности постановки диагноза и режима непрерывного самообучения. Следующим перспективным шагом работы электронных алгоритмов будет оценка прогноза течения заболевания и выработка тактики лечения. Оптимизация НС организационных вопросов в области оказания медицинской помощи заключается в автоматизации документооборота и планировании приема пациентов в условиях недостаточного обеспечения медицинским персоналом во многих странах.
Таким образом, в последние годы инструменты ИИ находят широкое применение в офтальмологии. Ведущие области, где НС становятся востребованными, — это ДР, ВМД и глаукома. Используя фотографии глазного дна, ОКТ-изображения и поля зрения, алгоритмы ИИ осуществляют раннюю диагностику изменений и прогнозируют их прогрессирование. В офтальмологии ИИ потенциально способствует постановке скринингового и клинического диагноза, а также уменьшает затраты на здравоохранение за счет оптимизации приема пациентов и ведения документооборота. ИИ играет важную роль в выявлении различных заболеваний, однако окончательное решение принимает врач.
Источник информации:
Российский офтальмологический журнал. 2024; 17 (2).