AI w okulistyce
Okulistyka to jeden z największych sukcesów medycznych sztucznej inteligencji, ponieważ oko oferuje wiele obrazów i jest łatwe do sfotografowania.
Przegląd
AI can now screen for blinding diseases like diabetic retinopathy directly from retinal photos, sometimes without a specialist in the loop.
Głębokie nurkowanie
Siatkówkę można sfotografować szybko i nieinwazyjnie, tworząc dokładnie taki rodzaj wysokiej jakości obrazów, na którym opiera się głębokie uczenie. W 2018 roku FDA dopuściła IDx-DR, pierwsze autonomiczne urządzenie diagnostyczne AI, które odczytuje kolorowe zdjęcia dna oka i informuje przychodnię podstawowej opieki zdrowotnej, czy pacjent z cukrzycą powinien zgłosić się do okulisty, bez konieczności interpretacji obrazu przez specjalistę. Google w przełomowym badaniu JAMA z 2016 r. wyszkolono model do wykrywania retinopatii cukrzycowej z czułością i swoistością na poziomie eksperckim. Oprócz cukrzycowych chorób oczu sztuczna inteligencja wykrywa związane z wiekiem zwyrodnienie plamki żółtej, jaskrę na podstawie obrazów nerwu wzrokowego i retinopatię wcześniaków. DeepMind współpracował z Moorfields Eye Hospital w celu selekcji ponad 50 schorzeń siatkówki na podstawie skanów OCT, dopasowując się do wiodących na świecie ekspertów i zalecając pilne skierowania.
Wgląd techniczny
Większość systemów wykorzystuje splotowe sieci neuronowe trenowane na dziesiątkach tysięcy do milionów oznakowanych zdjęć dna oka lub objętości optycznej koherentnej tomografii (OCT). OCT to zasadniczo ultrasonografia optyczna, która wytwarza przekroje poprzeczne warstw siatkówki z rozdzielczością mikronową, idealne do wykrywania płynu i przerzedzania. Uderzające odkrycie: sieci mogą wnioskować o cechach, których klinicyści nie są w stanie odczytać naocznie, takich jak wiek pacjenta, płeć, palenie tytoniu i ryzyko sercowo-naczyniowe, na podstawie samego zdjęcia siatkówki, co sugeruje, że siatkówka jest oknem na zdrowie całego ciała.
Wpływ strategiczny
Kontekst i zasady
Kontekst branżowy decyduje o tym, czy pomysły AI przetrwają kontakt z rzeczywistością.
Kontrola jakości
Ograniczenia domeny wpływają na akceptowalne poziomy błędów i modele nadzoru.
Buduj wybory
Pomyślne wdrożenia łączą możliwości techniczne z przepływami pracy na pierwszej linii frontu.
Przyszłość sztucznej inteligencji w okulistyce
Autonomiczne badania przesiewowe siatkówki rozprzestrzenią się na apteki, przychodnie podstawowej opieki zdrowotnej i regiony o niskich zasobach, gdzie brakuje specjalistów okulistów, którzy łapią choroby, zanim stracą wzrok. Aktywną granicą jest „okulomika”, wykorzystująca siatkówkę do przewidywania chorób serca, nerek, a nawet ryzyka choroby Alzheimera. Kamery dna oka oparte na smartfonach w połączeniu z sztuczną inteligencją mogą zapewnić badania przesiewowe w krajach rozwijających się. Oczekuj ściślejszej integracji z zapisami elektronicznymi i ciągłego monitorowania przewlekłych chorób oczu.
Implementacja w świecie rzeczywistym
IDx-DR (obecnie LumineticsCore) autonomicznie bada diabetyków pod kątem retinopatii kwalifikującej się do skierowania w przychodniach podstawowej opieki zdrowotnej bez konieczności czytania obrazu przez okulistę.
DeepMind i Moorfields stworzyły system, który selekcjonuje ponad 50 chorób siatkówki na podstawie skanów OCT i zaleca pilne skierowania na poziomie eksperckim.
Narzędzia AI pomagają w badaniach przesiewowych pod kątem retinopatii wcześniaków u noworodków, głównej przyczyny ślepoty u dzieci, którą trudno konsekwentnie ocenić.
Modele badawcze szacują ryzyko sercowo-naczyniowe i wiek biologiczny na podstawie pojedynczego zdjęcia siatkówki – jest to nowa dziedzina zwana okulomią.
Zagrożenia i poręcze
Wymogi prawne mogą unieważnić mocne prototypy.
Dane historyczne mogą kodować uprzedzenia, które szkodzą konkretnym społecznościom.
Starsze systemy mogą powodować wąskie gardła w integracji i ukryte koszty.
Plan wdrożenia
Zaangażuj ekspertów dziedzinowych od sformułowania problemu po ocenę.
Zaprojektuj ścieżki audytu i dokumentację przed uruchomieniem.
Wcześnie zweryfikuj wymogi dotyczące zgodności i bezpieczeństwa.
Wdrażaj etapami z jasnymi kryteriami zatrzymania i wycofywania.
Odkrywaj dalej
Free newsletter
Get the daily AI briefing
Three verified AI stories every weekday morning, written in plain English. Free forever, no ads.
One email each weekday. Unsubscribe in one click. We never sell or share your address.
Test yourself
Take the AI in Ophthalmology quiz
Instant feedback on every answer, and a shareable certificate with a verifiable ID once you pass a course.
Support free AI education. AI Understanding is a 501(c)(3) nonprofit — no ads, no paywall, ever. Make a donation
Następny poradnik
AI w gospodarce wodnej
Często zadawane pytania
What is AI in Ophthalmology?
Okulistyka to jeden z największych sukcesów medycznych sztucznej inteligencji, ponieważ oko oferuje wiele obrazów i jest łatwe do sfotografowania. Sztuczna inteligencja może teraz wykrywać oślepiające choroby, takie jak retinopatia cukrzycowa, bezpośrednio na podstawie zdjęć siatkówki, czasami bez obecności specjalisty.
Dlaczego okulistyka szczególnie dobrze nadaje się do głębokiego uczenia się?
Fotografia siatkówki i OCT pozwalają w nieinwazyjny sposób uzyskać liczne obrazy o wysokiej jakości, czyli dokładnie taki rodzaj ustandaryzowanych danych wizualnych, na którym wyróżniają się modele głębokiego uczenia się.
Co było godnego uwagi w IDx-DR, gdy FDA zatwierdziła go w 2018 roku?
IDx-DR był pierwszym autonomicznym narzędziem diagnostycznym opartym na sztucznej inteligencji, zatwierdzonym przez FDA: analizuje zdjęcia dna oka i generuje zalecenie skierowania w kierunku retinopatii cukrzycowej, bez konieczności interpretacji obrazu przez lekarza.
Czym jest OCT, metoda obrazowania kluczowa dla wielu narzędzi AI siatkówki?
Optyczna tomografia koherentna działa jak ultradźwięki optyczne, wytwarzając szczegółowe obrazy przekrojowe warstw siatkówki, które ujawniają płyn, obrzęk i przerzedzenie niewidoczne na płaskim zdjęciu.
Jaką zaskakującą zdolność odkryli badacze podczas uczenia sieci na zdjęciach siatkówki?
Naukowcy Google wykazali, że model może przewidzieć wiek, płeć, palenie tytoniu i ryzyko sercowo-naczyniowe pacjenta na podstawie samego obrazu siatkówki, ujawniając ogólnoustrojowe sygnały zdrowotne, których człowiek nie jest w stanie odczytać bezpośrednio.
Jaki jest cel powstającej dziedziny „okulomiki”?
Oculomika traktuje siatkówkę jako okno na zdrowie całego ciała, wykorzystując obrazy siatkówki i sztuczną inteligencję do oceny ryzyka chorób sercowo-naczyniowych, nerek i chorób neurodegeneracyjnych.