14 Янв Искусственный интеллект в оценке эффективности лечения герпетического кератита
Инфицирование простым герпесом широко распространено во всем мире. По некоторым оценкам, 67% населения от 0 до 49 лет инфицировано простым герпесом 1 типа, 11,3%- вирусом простого герпеса 2 типа.
Вовлечение глаз может проявляться как рецидивирующая форма и охватывать все ткани глаза. Доминирующей формой поражения глаз при офтальмогерпесе является герпетический кератит (ГК). ГК — потенциально приводящее к снижению остроты зрения состояние, характеризующееся рецидивирующим поражением роговицы, является лидирующей причиной роговичной слепоты инфекционной этиологии.
Частота новых случаев ГК составляет 18-25 на 100 000, при этом оцениваемая частота рецидивов составляет 50% через 5 лет и более 60% через 20 лет.
Рецидивирование инфекционного процесса приводит к развитию множества осложнении, влияющих на остроту зрения, к ним относят помутнение роговицы, неоваскуляризацию, эпителиальные дефекты, расплавление роговицы, нейротрофический кератит, вторичная бактериальная инфекция.
Для точной диагностики и выбора наиболее эффективной стратегии лечения офтальмологи сталкиваются с необходимостью тщательно анализировать и учитывать обширный массив данных, что, зачастую, является сложной задачей. Поскольку ГК является хроническим, склонным к частым рецидивам процессом, вследствие разнообразных осложнений приводящим к стойкому снижению остроты зрения в короткие сроки, лечение пациентов с данной патологией требует от офтальмологов необходимых знаний о сущности офтальмогерпеса.
Раннее начало местного или системного противовирусного лечения снижает тяжесть и продолжительность заболевания. Т. о., ранняя диагностика и лечение ГК способны помочь добиться формирования менее интенсивного помутнения роговицы в исходе заболевания и, следовательно, более высоких показателей остроты зрения.
Для программирования сервиса использовался датасет, состоящий из фотографий переднего отдела глаза, представляющих фото пациентов с ГК, полученных в динамике. Другой частью датасета стали 100 фотографии нормы переднего отдела глаза.
Элементы датасета оцифровывались и приводились к общему разрешению 150 на 150 пикселей. Для построения сервиса диагностики ГК по снимкам с щелевой лампы использовалась предобученная модель нейронной сети.
Составляющие набор данных фотографии были отнесены к двум категориям. К категории 1 фото с патологией, к категории 0 — без патологии.
Корректировка последних слоев нейронной сети, добавление нового верхнего слоя, использования оптимизатора, балансировка датасета, подбор гиперпараметров модели нейронной сети и построение ансамбля моделей позволило добиться высокого качества дообучения предобученной модели нейронной сети.
Дополнительный метод был использован для оценки эффективности обучения модели нейронной сети и качества предсказания герпетического кератита. Высокое качество модели диагностики ГК характеризует эффективность применённых подходов. Таким образом, полученное значение метрики качества модели составило 95% на тестовой выборке.
Для получения сервиса, способного выделять контуры объектов на изображении и в дальнейшем определять площадь эрозии роговицы при ГК, была дообучена следующая нейронная сеть.
Входе подбора гиперпараметров модели нейронной сети была достигнута точность 0,93, что демонстрирует высокую эффективность подхода к выделению зоны поражения роговицы.
Таким образом, в результате исследования был создан и подготовлен специальный набор данных, содержащий изображения поверхности глаза с признаками и без признаков ГК. Также произведено дообучение нейросетевой модели , позволяющее классифицировать снимки глазной поверхности, то есть нейросеть обучена проводить диагностику ГК. Полученная модель продемонстрировала точность 95%. Это свидетельствует о высоком потенциале метода и возможности дальнейшего повышения его эффективности.
Также сервис позволяет получить данные о площади поражения роговицы в динамике, помогая таким образом оценить эффективность терапии, а также демонстрирует высокую эффективность предложенного подхода к выделению зон поражения роговицы.
Сервис способен производить своевременную диагностику ГК на ранних этапах его развития, а также осуществлять оценку эпителизации роговицы. Данные функции позволяют ограничить объем поражения роговицы и снизить риски развития осложнений, что, в свою очередь, позволит добиться меньшей интенсивности помутнения роговицы в исходе заболевания с более высокими показателями остроты зрения. Важно отметить, что система не заменяет офтальмолога, а является вспомогательным элементом.
Особый интерес представляет возможность использования сервиса в отдаленных районах страны и местах со сниженной доступностью врачебной помощи.
Источник информации:
По данным официальных сайтов сети «Интернет».