Ny forskning använder artificiell intelligens för att rikta ögonsjukdom |

Makuladegenerering och diabetisk retinopati kan orsaka blindhet om den inte diagnostiseras och behandlas snabbt. Carmelo Geraci / Getty Images

27 februari 2018

Potentialen för artificiell intelligens (AI) för att diagnostisera och behandla hälsoförhållanden fortsätter att få fart, eftersom en ny studie visar hur tekniken kan påskynda diagnos och behandling av ögonsjukdomar.

Ett papper publicerat 22 februari i tidningen Cell beskriver hur AI kan appliceras på patienter med retinasjukdomar. Forskningen, som leds av Kang Zhang, MD, doktor, professor i oftalmologi vid Shiley Eye Institute vid University of California i San Diego, visar att en dator kan lära sig att på ett korrekt och tillförlitligt sätt känna igen sådana vanliga ögonsjukdomar som makuladegenerering och diabetisk retinopati.

"Det här handlar om att försöka lära en dator vad en bild är och hur man fattar ett beslut om vad de ser", berättar Dr. Zhang. "Målet är att datorn ska vara lika bra som den specialist som gick till läkarhögskolan och är mycket utbildad inom medicinsk diagnostik och behandling."

Medan det kan ta en specialiserad årtiond praktisk erfarenhet för att nå högsta kompetensnivå , säger han, "vi ser att en dator kan känna igen dessa saker efter några dagar."

Papperet följer andra senaste studier som visar att djuplärande datorer kan ha en legitim plats inom vården, säger Rahul Khurana, MD, en ögonläkare i Mountain View, Kalifornien och en klinisk talesman för American Academy of Ophthalmology.

"Denna typ av teknik är mycket exakt för patienter med vissa typer av tillstånd", säger Dr. Khurana. "Det skapar lite spänning i fältet."

Diagnostiserar macular degeneration, diabetisk retinopati

I det nya pappret matade Zhang och hans kollegor i Kina, Tyskland och Texas först bilder av ögonsjukdomar i datorn. Bilderna togs med en bildteknik känd som optisk koherens-tomografi. Denna nyare, revolutionerande diagnostikteknologi använder ljusvågor för att ta högupplösta, tvärsektionsbilder av ögat för att ge läkare ett sätt att kartlägga och mäta nethinnen i detalj.

Skanningarna används för att hjälpa till att upptäcka vanliga tillstånd som makulär degeneration, där en del av näthinnan kallas makula försämras och diabetisk retinopati, en komplikation av diabetes som orsakar blodkärlen i näthinnan att svälla och läcka vätska. Båda är farliga förhållanden som kan orsaka blindhet om de inte diagnostiseras och behandlas snabbt.

Nuvarande beräkningsmetoder kräver att miljontals bilder tränar en dator. Zhangs forskning använde ett AI-baserat "konvolutionellt neuralt nätverk" som krävde en mycket mindre dataset med endast 200 000 optiska koherensbilder.

"Datorn läser den normala kartan av ögat", säger Zhang. "Vi ger det en mängd bilder att lära och memorera. Vi lär till exempel "om denna plats är här kommer det att bli makulär degeneration." Skönheten i detta är istället för att datorn ska lära sig själv, vi kan berätta för dem vad de ska leta efter. Det här handlar om att designa dators programvara för att få datorer att tänka som en människa. "

Datorn kunde generera ett beslut om huruvida en patient ska hänvisas till behandling inom 30 sekunder och med 95 procent noggrannhet.

Studien visar att neurala nätverk kan hjälpa läkare och kanske överträffa dem med möjlighet att komma ihåg så mycket data. Sådan teknik kommer att ha användningar över hela världen, förutspår Zhang. I resursrika länder som USA kan det skynda på den kritiska tiden mellan tecken på sjukdom och behandling.

"En patient med eventuell makuladegenerering kan behöva behandlas inom en månad, men hänvisningar och möten kan sluta ta flera månader. Det kan fördröja diagnosen och behandlingen ", säger han.

Behandling av patienter där specialister är knappa.

I resursfattiga områden kan tekniken hjälpa patienter som annars inte skulle få vård på grund av brist på läkare. Zhang och hans kollegor kommer att ta sitt neurala nätverk till Haiti i sommar för att bedöma dess användbarhet. Regionen har en stor befolkning av personer med diabetes som har risk för retinopati, men har färre än 60 ögonläkare.

"Förmågan att göra detta kommer förhoppningsvis att ge fler patienter tillgång till hälsovårdssystemet eftersom vi kan diagnostisera förhållanden tidigare, säger Khurana och noterar att det finns ungefär 415 000 personer som lever med diabetes över hela världen som är utsatta för diabetisk retinopati. "När vi har ny och förbättrad teknik som gör det möjligt för oss att diagnostisera snabbare, bättre och sköta oss mer tillgängliga för den bredare befolkningen, är det en win-win för patienter och läkare."

Få läkare att lita på datorer

Utmaningar kvarstår vid genomförandet av AI-baserade nätverk inom vården, Zhang anteckningar. Läkare måste lita på sina datorassistenter. I studien frågade Zhang och hans kollegor också datorn att förklara sin diagnos, identifiera de ögonområden som erkändes och var grunden för maskinens slutsats.

"Datorn spitar inte bara en diagnos. Det förklarar varför det gjorde diagnosen och rekommendationen den gjorde ", säger han. "Det gör detta mer genomskinligt och hjälper läkaren att lita på datorn mer. På så sätt är det inte bara en svart låda, och du har ingen aning om varför det ger diagnoserna. "

Andra användningsområden för konstgjord teknik

AI-baserade nätverk har stor potential för bildbehandling av vården. Zhang visade också att systemet kunde skilja mellan virus och bakteriell lunginflammation hos barn genom att undersöka röntgenstrålar. Även om viral lunginflammation inte kräver någon behandling, kräver en patient med bakteriell lunginflammation snabb antibiotikabehandling för att förhindra allvarliga komplikationer av sjukdomen.

"Vi ser en mängd olika medicinska fält där artificiell intelligens används mer och mer" Khurana säger. "Jag tycker att det är en mycket spännande tid för artificiell intelligens och dess tillämpningar inom medicin."