02 Июн Искусственный интеллект в офтальмологической диагностике
Технологии ИИ используются в различных областях медицины: пульмонологии, онкологии, дерматологии, кардиологии, офтальмологии.
Получение и анализ изображений — важнейший этап диагностики и лечения офтальмологической патологии, в особенности патологии сетчатки. Современные алгоритмы ИИ обучены анализировать изображения, полученные при помощи цифровых ретинальных фундус-камер, оптических когерентных томографов (ОКТ), ОКТ-ангиографии (ОКТ А). Для идентификации патологических структур на цифровых изображениях программа ИИ должна быть обучена на примере большого массива данных, на которых эти структуры присутствуют. По завершении процесса обучения программа способна самостоятельно проанализировать фотографию, ОКТ, ОКТ-А глазного дна пациента и с высокой долей вероятности ответить на вопрос, присутствуют ли на данном снимке патологические изменения, которые ее научили распознавать.
Приведем примеры диагностики.
Диабетическая ретинопатия.
Важнейшими маркерами и критериями тяжести диабетической ретинопатии (ДР) являются микроаневризмы, интраретинальные геморрагии, интраретинальные микро-сосудистые аномалии, твердые экссудаты, ватообразные очаги, венозные аномалии, неоваскуляризация сетчатки и диска зрительного нерва, преретинальные геморрагии. Современные программы ИИ способны осуществлять анализ цифровых фотографий глазного дна, выявлять указанные патологические структуры, определять наличие и стадию ДР и выдавать заключение по результатам анализа.
По данным Всемирной организации здравоохранения (ВОЗ), 422 млн человек в мире страдают сахарным диабетом (СД). Прогнозируемое число больных к 2040 г. составит 645 млн, причем подавляющее большинство из них будет проживать в развивающихся странах. Каждый пациент с СД, в зависимости от наличия и тяжести ДР и диабетического макулярного отека (ДМО), нуждается в офтальмологическом обследовании от 1 раза в 2 года до 12 раз в год. Это создает большую нагрузку на систему здравоохранения. Разработка программ скрининга остается серьезной проблемой даже для стран со значительными ресурсами. Согласно исследованиям около половины пациентов с СД остаются недостаточно обследованными. Только в странах Европейского союза (ЕС) порядка 950 тыс. человек имеют слепоту или слабовидение вследствие ДР и ДМО. ВОЗ рассматривает программы скрининга как наиболее эффективный инструмент борьбы со слепотой и слабовидением вследствие ДР. В ситуации, когда необходимо за ограниченный период времени обследовать большое количество пациентов, оценить стадию заболевания, динамику и выявить пациентов, нуждающихся в неотложной офтальмологической помощи, программы ИИ могут оказать большую поддержку. Их использование на этапе первичного скрининга позволит снизить нагрузку на систему здравоохранения, увеличить охват населения скрининговым обследованием. Положительными результатами при этом потенциально могут стать уменьшение случаев слепоты и слабовидения вследствие несвоевременной диагностики ДР и ДМО, сокращение количества пациентов с далеко зашедшими формами ДР, нуждающихся в дорогостоящем хирургическом лечении, а также унификация диагностики.
Диабетический макулярный отек.
Основным методом диагностики ДМО является ОКТ. Она позволяет определить наличие интраретинальной и субретинальной жидкости, состояние витреомакулярного интерфейса, сохранность важнейших слоев сетчатки как критерий зрительного прогноза, оценить динамику процесса в ходе лечения. Современные алгоритмы ИИ обучены проводить анализ сканов структурной ОКТ и сегментировать морфологические признаки ДМО: интраретинальные кисты, отслойку нейроэпителия, твердые экссудаты, аномалии витреомакулярного интерфейса.
Возрастная макулярная дегенерация.
Возможности структурной ОКТ в диагностике возрастной макулярной дегенерации (ВМД) включают визуализацию и оценку размера и типа макулярных друз, выявление зон атрофии, гиперплазии и миграции клеток ретинального пигментного эпителия (РПЭ), отслойки РПЭ и нейроэпителия, интра- и субретинальной жидкости, субретинального гиперрефлективного материала, оценку типа хориоидальной неоваскуляризации и признаков ее активности. В последние годы были опубликованы результаты исследований, посвященных разработке программ ИИ для автоматического распознавания макулярных друз, географической атрофии, морфологических признаков хориоидальной неоваскуляризации (ХНВ).
С практической точки зрения наибольший интерес представляет разработка программ автоматического мониторинга активности патологического процесса в ходе терапии ингибиторами ангиогенеза. Данная терапия включает регулярные повторные интравитреальные инъекции ингибиторов ангиогенеза в течение длительного времени.
Была разработана программа ИИ для автоматического выявления показаний для повторной инъекции ингибиторов ангиогенеза.
Дифференциальная диагностика макулярной патологии.
В 2018 г. компания Google Deep Mind провела на базе британской офтальмологической клиники Moorfields Eye Hospital исследование программы ИИ для дифференциальной диагностики следующих макулярных патологий по данным ОКТ: ХНВ, макулярного отека без ХНВ, макулярных друз, географической атрофии, эпиретинального тракционного синдрома, сквозных и ламеллярных макулярных разрывов, центральной серозной хориоретинопатии (ЦСХ). Программа распределяла патологии на 4 категории: неотложные, срочные, требующие лечения в плановом порядке, требующие наблюдения.
Был разработан алгоритм ИИ для дифференциальной диагностики ретинальных друз, «влажной» формы ВМД, ЦСХ, кистозного макулярного отека различной этиологии, эпиретинального тракционного синдрома, сквозных и ламеллярных макулярных разрывов, географической атрофии, полипоидной хориоидальной васкулопатии (ПХВ), макулярных телеангиэктазий 1 типа, синдрома Фогта — Коянаги — Харада. Программа анализировала сканы ОКТ и рассчитывала вероятность развития перечисленных патологий.
Перспективы использования алгоритмов ИИ при лазерных вмешательствах на сетчатке.
Согласно стандартам Международного совета по офтальмологии панретинальная лазеркоагуляция (ПЛК) является предпочтительным методом лечения пролиферативной ДР. Разработали алгоритм прогнозирования потребности в ПЛК у пациентов с ДР. В задачи программы ИИ входила градация ДР, оценка динамики и прогнозирование потребности и сроков ПЛК. Точность алгоритма составила 96%.
Согласно исследованиям субпороговое лазерное воздействие на сетчатку может иметь терапевтический эффект, не вызывая ее видимого повреждения. Субпороговая микроимпульсная лазеркоагуляция (СМИЛК) используется для лечения хронической ЦСХ, ХНВ, резистентной к анти-VEGF терапии, ДМО. Однако применение данного метода ограничено сложностью контроля степени термического повреждения сетчатки в процессе лазерного воздействия. При помощи алгоритма ИИ была разработана модель оценки температуры сетчатки и расчета минимальной энергии и таргетной температуры, необходимой для фотоактивации нейроэпителия, потенциально пригодная для использования in vivo.
Вопросы организации медицинских исследований с использованием алгоритмов ИИ.
В 2020 г. группа европейских ученых опубликовала руководство, посвященное вопросу, как правильно и критически оценивать медицинские исследования, в которых использовались алгоритмы ИИ. В руководстве были озвучены следующие ключевые моменты планирования, проведения и интерпретации результатов исследований в области ИИ.
В ходе разработки алгоритмов ИИ используются большие массивы данных. Все данные подразделяются на обучающую и тестовую базы. Обучающая база служит непосредственно для разработки алгоритма, тестовая — для проверки точности его работы.
Развитие технологий ИИ и их быстрая интеграция в сферу здравоохранения диктуют необходимость разработки единых стандартов проведения медицинских исследований с использованием ИИ. В настоящее время ведется разработка международных протоколов TRIPOD-ML, SPIRIT-AI и CONSORT-A1, призванных улучшить дизайн и отчетность исследований.
Правовой статус использования алгоритмов ИИ в здравоохранении.
Важнейшим вопросом при применении алгоритмов ИИ являются доверие результатам, полученным от применения данных алгоритмов, а также ответственность за эти результаты. В мировой практике на данные вопросы пока еще нет однозначного ответа.
Во многом алгоритмы ИИ работают по принципу «черного ящика» — механизм их работы до конца неизвестен, исследователь подает данные на входе и получает определенный результат на выходе, называя это «обучением модели». При добавлении дополнительных данных программа может изменить свой процесс принятия решений, выдавая более точный ответ, без какого-либо понимания для исследователя, как это получается. С ростом объемов данных, получаемых программой в процессе обучения, модели становятся все более точными и, улучшаясь, в конце концов будут способны добиться более высокой диагностической точности, чем человек.
Специалисты отмечают, что регулирование отдельных областей применения ИИ требует новых, ранее не существовавших подходов — например как в случае с машинным обучением алгоритмов ИИ, которые по определению быстро изменяются со временем вследствие появления новых математических алгоритмов, новых нейронных сетей (архитектуры), новых данных, на основе которых обучаются алгоритмы и результат их работы становится более точным, и т. п..
Алгоритмы ИИ — это еще один инструмент, появляющийся в арсенале врача, позволяющий получить «второе мнение» и снизить вероятность врачебной ошибки. Однако итоговое решение и ответственность за это решение несет врач. Именно такой подход, как считается, в наибольшей степени соответствует интересам и пациента, и врача, и компаний, разрабатывающих данный инструментарий.
Принимая во внимание сложную природу технологий ИИ и риски, которые несет их бесконтрольное применение, общепринятый международный подход на сегодня состоит в том, что решения на основе ИИ не являются самодостаточными и требуют обязательной верификации со стороны врача. Врач не должен и не может полагаться в своем решении исключительно на результат, рекомендованный алгоритмом ИИ.
В этой связи особую важность в организации здравоохранения приобретает разработка стандартов, регламентирующих применение технологий ИИ, а также стандартов, позволяющих достоверно оценивать безопасность, точность и надежность функционирования систем на основе ИИ.
Можно предположить, что по мере появления стандартов разработки и использования алгоритмов ИИ в здравоохранении область их применения будет стремительно расширяться. ИИ перспективный инструмент, способный стать помощником в лечебно-диагностическом процессе, однако нельзя забывать об ограничениях данного инструмента и о том, что последнее слово остается за врачом.
Источник информации:
Информационно-образовательный интернет-ресурс «Российская офтальмология онлайн», https://eyepress.ru/