Ny forskning bruker kunstig intelligens til å målrette øye sykdom |

Makuladegenerasjon og diabetisk retinopati kan føre til blindhet hvis den ikke diagnostiseres og behandles raskt. Carmel Geraci / Getty Images

27. februar 2018

Potensialet for kunstig intelligens (AI) for å diagnostisere og behandle helsemessige forhold fortsetter å skape fart, da en ny studie viser hvordan teknologien kan raskere diagnostisere og behandle øyesykdommer.

Et papir publisert 22. februar i tidsskriftet Cell beskriver hvordan AI kan brukes til pasienter med retinalsykdommer. Forskningen, ledet av Kang Zhang, MD, PhD, professor i oftalmologi ved Shiley Eye Institute ved University of California i San Diego, demonstrerer at en datamaskin kan lære å nøyaktig og pålitelig gjenkjenne slike vanlige øyesykdommer som makuladegenerasjon og diabetisk retinopati.

"Dette handler om å prøve å lære en datamaskin hva et bilde er og hvordan man skal ta en beslutning om hva de ser," forklarer Dr. Zhang. "Målet er at datamaskinen skal være like god som spesialisten som gikk til medisinskolen og har høy opplæring i medisinsk diagnostikk og behandling."

Selv om det kan ta en spesialist tiår med praktisk erfaring for å nå det høyeste nivået av ekspertise , legger han til, "vi ser at en datamaskin kan gjenkjenne disse tingene etter noen dager."

Papiret følger andre nyere studier som viser at dyplærende datamaskiner kan ha et legitimt sted i helsevesenet, sier Rahul Khurana, MD, en oftalmolog i Mountain View, California, og en klinisk talsmann for det amerikanske ophthalmologin.

"Denne typen teknologi er svært nøyaktig for pasienter med visse typer forhold," sier Dr. Khurana. "Det skaper litt spenning i feltet."

Diagnostisering av macular degenerasjon, diabetisk retinopati

I det nye papiret har Zhang og hans kolleger i Kina, Tyskland og Texas først matet bilder av øyelidelser inn i datamaskinen. Bildene ble tatt med en avbildningsteknikk kjent som optisk koherensomografi. Denne nyere, revolusjonerende diagnostiske teknologien bruker lysbølger til å ta høyoppløselige, tverrsnittsbilder av øyet for å gi leger muligheten til å kartlegge og måle netthinnen i detalj.

Skannene brukes til å hjelpe til med å oppdage vanlige forhold som makulær degenerasjon, hvor en del av retina kalt macula forverres, og diabetisk retinopati, en komplikasjon av diabetes som fører til at blodkarene i netthinnen svulmer og lekker væske. Begge er farlige forhold som kan føre til blindhet hvis de ikke diagnostiseres og behandles raskt.

Nåværende beregningsmetoder krever at millioner av bilder skal trene en datamaskin. Zhangs forskning brukte et AI-basert "follopsjonalt neuralt nettverk" som krevde et mye mindre datasett med bare 200 000 optiske koherensbilder.

"Datamaskinen lærer det normale kart over øyet," sier Zhang. "Vi gir det en rekke bilder for å lære og huske. Vi lærer for eksempel, "hvis dette stedet er her, kommer det til å bli makuladegenerasjon." Skjønnheten i dette er i stedet for å få datamaskinen til å lære seg selv, vi kan fortelle dem hva de skal se etter. Dette handler om å designe dataprogramvare for å få datamaskiner til å tenke som et menneske. "

Datamaskinen kunne generere en beslutning om en pasient skal henvises til behandling innen 30 sekunder og med 95 prosent nøyaktighet.

Studien viser at nevrale nettverk kan hjelpe leger og kanskje til og med overskride dem med evnen til å huske så mye data. Slike teknologier vil ha bruk over hele verden, spår Zhang. I ressursrike land som USA kan det skape den kritiske tiden mellom tegn på sykdom og behandling.

"En pasient med mulig makuladegenerasjon må kanskje behandles innen en måned, men henvisninger og avtaler kan ende opp med å ta flere måneder. Det kan forsinke diagnosen og behandlingen, "sier han.

Behandling av pasienter hvor spesialister er knappe.

I ressursfattige områder kan teknologien hjelpe pasienter som ellers ikke får noe omsorg på grunn av mangel på leger. Zhang og hans kolleger vil ta sitt nevrale nettverk til Haiti denne sommeren for å vurdere sin brukervennlighet. Regionen har en stor befolkning av personer med diabetes som er i fare for retinopati, men har færre enn 60 oftalmologer.

"Muligheten til å gjøre dette vil forhåpentligvis gi flere pasienter tilgang til helsesystemet fordi vi kan diagnostisere forhold tidligere, sier Khurana, og bemerker at det er omtrent 415 000 mennesker som lever med diabetes over hele verden som er i fare for diabetisk retinopati. "Når vi har ny og forbedret teknologi som gjør at vi kan gjøre diagnoser raskere, bedre og ta vare på mer tilgjengelig for den bredere befolkningen, er det en vinn-vinn for pasienter og leger."

Få leger til å stole på datamaskiner

Utfordringer forblir i implementering av AI-baserte nettverk i helsetjenester, Zhang notater. Legene må stole på datamaskinassistentene sine. I studien ba Zhang og hans kolleger også datamaskinen om å forklare diagnosen, identifisere øyets øyne som ble anerkjent og var grunnlaget for maskinens konklusjon.

"Datamaskinen spytter ikke bare en diagnose. Det forklarer hvorfor det gjorde diagnosen og anbefalingen den gjorde, sier han. "Dette gjør dette mer gjennomsiktig og hjelper legen til å stole på datamaskinen mer. På den måten er dette ikke bare en svart boks, og du har ingen anelse om hvorfor det gir diagnosene det gjør. "

Andre bruksområder for kunstig teknologi

AI-baserte nettverk har stort potensial innen helsetjenester. Zhang viste også at systemet kunne skille mellom virus og bakteriell lungebetennelse hos barn ved å undersøke røntgenstråler. Mens viral lungebetennelse kan kreve ingen behandling, krever en pasient med bakteriell lungebetennelse rask antibiotikabehandling for å forhindre alvorlige komplikasjoner av sykdommen.

"Vi ser en rekke medisinske felt hvor kunstig intelligens blir brukt mer og mer," Khurana sier. "Jeg synes det er en veldig spennende tid for kunstig intelligens og dets anvendelser i medisin."