Преглед
Офталмологията е един от най-големите медицински успехи на AI, защото окото е богато на изображения и лесно за снимане. AI вече може да проверява за ослепителни заболявания като диабетна ретинопатия директно от снимки на ретината, понякога без специалист в цикъла.
AI в офталмологията прилага AI в специфични за домейни среди, където регулациите, операциите и толерантността към риска силно оформят избора на дизайн.
Дълбоко гмуркане
Ретината може да бъде снимана бързо и неинвазивно, създавайки точно такъв вид висококачествени изображения, в които дълбокото обучение процъфтява. През 2018 г. FDA одобри IDx-DR, първото автономно диагностично устройство с изкуствен интелект, което чете цветни снимки на очното дъно и казва на клиника за първична медицинска помощ дали пациент с диабет трябва да посети очен лекар, без специалист да интерпретира изображението. Емблематичното проучване JAMA на Google от 2016 г. обучи модел за откриване на диабетна ретинопатия при чувствителност и специфичност на експертно ниво. Отвъд диабетното очно заболяване, изкуственият интелект отбелязва свързаната с възрастта дегенерация на макулата, глаукома от изображения на зрителния нерв и ретинопатия на недоносеност. DeepMind работи с очна болница Moorfields за сортиране на над 50 заболявания на ретината от OCT сканиране, съвпадение на водещи световни експерти и препоръчване на спешни препоръки.
Техническа информация
Повечето системи използват конволюционни невронни мрежи, обучени върху десетки хиляди до милиони белязани снимки на фундуса или обеми от оптична кохерентна томография (OCT). OCT е по същество оптичен ултразвук, който произвежда напречни сечения с микронна разделителна способност на слоевете на ретината, идеални за забелязване на течност и изтъняване. Удивително откритие: мрежите могат да направят извод за характеристики, които клиницистите не могат да разчетат по око, като възраст, пол, статус на тютюнопушене и сърдечно-съдов риск на пациента, само от снимка на ретината, намеквайки, че ретината е прозорец към здравето на цялото тяло.
Овладяване на AI в офталмологията
Офталмологията е един от най-големите медицински успехи на AI, защото окото е богато на изображения и лесно за снимане. AI вече може да проверява за ослепителни заболявания като диабетна ретинопатия директно от снимки на ретината, понякога без специалист в цикъла. AI в офталмологията прилага AI в специфични за домейни среди, където регулациите, операциите и толерантността към риска силно оформят избора на дизайн. За да изградите дълбоко разбиране, третирайте AI в офталмологията като оперативен модел, а не като отделна функция: дефинирайте желаните резултати, изяснете предположенията и отделете това, което системата може да направи надеждно, от това, което все още изисква експертна преценка.
На практика силни екипи, използващи AI в офталмологията, съгласуват техническия капацитет с политиката на домейна, възможността за проверка и вземането на решения на първа линия. Те документират изрични критерии за успех, тестват срещу реалистични данни и работни потоци и повтарят въз основа на наблюдавани модели на неуспех, а не на еднократни победи в бенчмарка. Това е мястото, където теоретичното разбиране се превръща в трайна способност за продукти, политики и операции.
Индустриалният контекст определя дали идеите за ИИ оцеляват при контакт с реалността. В същото време регулаторните изисквания могат да направят невалидни иначе силни прототипи. Най-устойчивият подход е да се комбинира скоростта на експериментиране с дисциплината на управление: стартирайте пилотни проекти, събирайте доказателства, публикувайте регистрационни файлове за решения и непрекъснато актуализирайте предпазните мерки, докато поведението на модела, очакванията на потребителите и регулаторните изисквания се развиват.
Стратегическо въздействие
Индустриалният контекст определя дали идеите за ИИ оцеляват при контакт с реалността.
Индустриалният контекст определя дали идеите за ИИ оцеляват при контакт с реалността. При висококачествени внедрявания това се превръща в измерими правила за работа, граници на собствеността и повтарящи се ритуали за преглед, така че екипите да могат да мащабират доверието, вместо да мащабират неяснотата.
Ограниченията на домейна влияят на приемливите нива на грешки и моделите за надзор.
Ограниченията на домейна влияят на приемливите нива на грешки и моделите за надзор. При висококачествени внедрявания това се превръща в измерими правила за работа, граници на собствеността и повтарящи се ритуали за преглед, така че екипите да могат да мащабират доверието, вместо да мащабират неяснотата.
Успешното внедряване съгласува техническите възможности с работните потоци на първа линия.
Успешното внедряване съгласува техническите възможности с работните потоци на първа линия. При висококачествени внедрявания това се превръща в измерими правила за работа, граници на собствеността и повтарящи се ритуали за преглед, така че екипите да могат да мащабират доверието, вместо да мащабират неяснотата.
Внедряване в реалния свят
IDx-DR (сега LumineticsCore) автономно проверява диабетици за препоръчителна ретинопатия в клиники за първична медицинска помощ, без очен специалист да чете изображението.
DeepMind и Moorfields създадоха система, която сортира над 50 заболявания на ретината от OCT сканирания и препоръчва спешни препратки на експертно ниво.
AI инструментите подпомагат скрининга за ретинопатия на недоносените при новородени, водеща причина за детска слепота, която е трудно да се класифицира последователно.
Изследователските модели оценяват сърдечносъдовия риск и биологичната възраст от една снимка на ретината, новопоявяваща се област, наречена окуломика.
Модели на изпълнение
AI в офталмологията на практика
IDx-DR (сега LumineticsCore) автономно проверява диабетици за препоръчителна ретинопатия в клиники за първична медицинска помощ, без очен специалист да чете изображението.
IDx-DR (сега LumineticsCore) автономно проверява диабетици за препоръчителна ретинопатия в клиниките за първична медицинска помощ, без очен специалист да чете изображението. Екипите обикновено получават по-добри резултати, когато предварително определят праговете за качество, поддържат човешки път на ескалация за крайни случаи и проследяват както печалбите в производителността, така и разходите за грешки във времето.
AI в офталмологията на практика
DeepMind и Moorfields създадоха система, която сортира над 50 заболявания на ретината от OCT сканирания и препоръчва спешни препратки на експертно ниво.
DeepMind и Moorfields създадоха система, която сортира над 50 заболявания на ретината от OCT сканирания и препоръчва спешни препратки на експертно ниво. Екипите обикновено получават по-добри резултати, когато предварително определят праговете за качество, поддържат път на човешка ескалация за крайни случаи и проследяват както печалбите в производителността, така и разходите за грешки във времето.
AI в офталмологията на практика
AI инструментите подпомагат скрининга за ретинопатия на недоносените при новородени, водеща причина за детска слепота, която е трудно да се класифицира последователно.
Инструментите с изкуствен интелект подпомагат скрининга за ретинопатия на недоносените при новородени, водеща причина за детска слепота, която е трудно да се класифицира последователно. Екипите обикновено получават по-добри резултати, когато предварително определят праговете за качество, поддържат път на човешка ескалация за крайни случаи и проследяват както печалбите в производителността, така и разходите за грешки във времето.
AI в офталмологията на практика
Изследователските модели оценяват сърдечносъдовия риск и биологичната възраст от една снимка на ретината, новопоявяваща се област, наречена окуломика.
Изследователските модели оценяват сърдечно-съдовия риск и биологичната възраст от една снимка на ретината, новопоявяваща се област, наречена окуломика. Екипите обикновено получават по-добри резултати, когато определят праговете за качество предварително, поддържат път на човешка ескалация за крайни случаи и проследяват както печалбите в производителността, така и разходите за грешки във времето.
Рискове и предпазни огради
Регулаторните изисквания могат да обезсилят иначе силните прототипи.
Историческите данни могат да кодират пристрастие, което вреди на определени общности.
Наследените системи могат да създадат затруднения при интеграцията и скрити разходи.
Пътна карта за изпълнение
Включете експерти в областта от рамкирането на проблема до оценката.
Включете експерти в областта от рамкирането на проблема до оценката. Отнасяйте се към всяка стъпка като към вход за доказателства: ако критериите не са изпълнени, поставете на пауза разпространението, запълнете празнината и едва след това разширете използването.
Проектирайте одитни пътеки и документация преди стартиране.
Проектирайте одитни пътеки и документация преди стартиране. Отнасяйте се към всяка стъпка като към вход за доказателства: ако критериите не са изпълнени, поставете на пауза разпространението, запълнете празнината и едва след това разширете използването.
Ранно потвърдете задълженията за съответствие и безопасност.
Ранно потвърдете задълженията за съответствие и безопасност. Отнасяйте се към всяка стъпка като към вход за доказателства: ако критериите не са изпълнени, поставете на пауза разпространението, запълнете празнината и едва след това разширете използването.
Пускане на етапи с ясни критерии за спиране и връщане назад.
Пускане на етапи с ясни критерии за спиране и връщане назад. Отнасяйте се към всяка стъпка като към вход за доказателства: ако критериите не са изпълнени, поставете на пауза разпространението, запълнете празнината и едва след това разширете използването.