Искусственный интеллект диагностирует сахарный диабет по анализу снимков глазного дна
Информационное агентство "МИА"
Специальное подразделение Группа исследования головного мозга компании Google (Google Brain team) занимается адаптацией методов машинного обучения для использования в здравоохранении.
Одно из разрабатываемых направлений относится к офтальмологии – диагностике сахарного диабета по заболеванию глаз.
К сожалению, врачи-специалисты, способные обнаружить заболевание не доступны во многих частях мира, где заболевание получило большое распространение. В данном случае методика применения искусственного интеллекта и машинного обучения будет весьма полезна.
Одним из наиболее распространенных способов обнаружения диабетической болезни глаз является анализ специалистом снимков глазного дна. Степень тяжести заболевания определяется типом присутствующих поражений, (например, микроаневризм, кровоизлияния, твердые экссудаты, и т.д.), которые являются признаком кровотечения и утечки жидкости в глазу. Интерпретация этих фотографий требует специальной подготовки. Проведенная Группой работа направлена на создание новых возможностей диагностики.
Целью исследования явилось сравнение эффективности автоматизированного алгоритма глубокого обучения с диагностикой, проводимой офтальмологами для выявления диабетической ретинопатии в сетчатке на фотографиях глазного дна.
Для проведения исследования была создана глубокая сверточная нейронная сеть, оптимизированная для классификации изображений. Было проведено ее обучение с использованием ретроспективного набора данных из 128175 снимков сетчатки глаза пожилых пациентов в период с мая по декабрь 2015г. Все эти снимки были диагностированы от 3 до 7 раз: диабетической ретинопатией и диабетическим макулярным отеком.
Полученный алгоритм был проверен в январе и феврале 2016 года с использованием 2 отдельных наборов данных, оцененных 7 сертифицированными высококвалифицированными офтальмологами.
Было подготовлено два тестовых набора, состоящих из 9963 и 1748 снимков. Проведена проверка работы алгоритма глубокого изучения при анализе в специально выбранной рабочей точке, для которой сделан диагноз группой из 7 сертифицированных американских офтальмологов. Установлено, что диагноз офтальмологов имел показатель точности 90,3% и 87,0%; 98,1% и 98,5% для обнаружения умеренной/острой диабетической ретинопатии или макулярного отека. В этой же рабочей точке, алгоритм обладал точностью 97,5% и 96,1% и 93,4% и 93,9% для двух тестовых наборов.
Таком образом, было установлено, что алгоритмы глубокого обучения с большей точностью определяют диабетическую ретинопатию и макулярный отек в фотографиях сетчатки глазного дна.
Интерпретация двухмерных фотографии глазного дна, проведенная в исследовании, является лишь одной частью многоступенчатого процесса диагностики диабетической болезни глаз. В некоторых случаях врачи используют технологию визуализации 3D, оптическую когерентную томографию (ОКТ). Применение машинного обучения для 3D-метода визуализации уже идет полным ходом по программе Google DeepMind. В будущем эти два взаимодополняющих метода могут быть использованы вместе, чтобы помочь врачам в диагностике широкого спектра заболеваний глаз.
Необходимы дальнейшие исследования для определения целесообразности применения алгоритма в клинических условиях и определения, повысит ли он качество лечения по сравнению с текущей методикой оценки.
Источники: Innovations in Health Care Delivery
В.Кузнецов
