Præmaturitetsretinopati (ROP), en alvorlig øjensygdom, der rammer for tidligt fødte børn, er en væsentlig årsag til synsnedsættelse og blindhed.
Tidlig behandling kan afbøde de værste følger af ROP, men manglen på pædiatriske øjenlæger, især i lav- og mellemindkomstlande, er en stor hindring.
I en undersøgelse offentliggjort i The Lancetudviklede forskerne en kodefri AI-model til at diagnosticere ROP ud fra nethindebilleder.
De mener, at modellen vil hjælpe øjenlæger med at diagnosticere tilstanden overalt i verden, da den kører på Google Cloud og kræver minimal teknisk ekspertise for at fungere.
Om præmatur retinopati (ROP)
ROP er en unormal vækst af blodkar i nethinden, som typisk ses hos spædbørn født før 31. graviditetsuge eller med en kropsvægt på under 3 pund.
Mens mild ROP kan forsvinde af sig selv, kan alvorlige tilfælde føre til nethindeløsning, synsnedsættelse og blindhed.
Flere nethindeegenskaber bruges til at diagnosticere ROP, herunder plus disease, der defineres som unormal snoethed i nethindens blodkar. "Tilstedeværelsen af plus disease anses for at være en markør for behandlingskrævende retinopati", forklarer forskerne i undersøgelsen. Rutinemæssig screening hos pædiatriske øjenlæger kan hjælpe med at forhindre udviklingen af ROP.
Tidligere undersøgelser har allerede vist, at AI-modeller præcist kan diagnosticere svær ROP baseret på analyse af nethindebilleder. De fleste af disse modeller kræver dog teknisk ekspertise og betydelige hardwareressourcer, som er knappe i nogle medicinske miljøer.
En tilgængelig, kodefri AI-model løser disse udfordringer og giver øjenlæger adgang til banebrydende nethindediagnostik overalt, hvor der er en internetforbindelse.
AI's rolle
Undersøgelsen sammenligner en kodefri AI-model, der er bygget på Google Cloud AutoML Vision Application Programming Interface (API), med en skræddersyet model, der er bygget fra bunden.
"Den kodefri AI-applikation blev udviklet ved hjælp af billeder fra nyfødte med forskellige etniske og socioøkonomiske baggrunde på et hospital i Storbritannien", beskriver forskerne.
Da den kører på Google Cloud AutoML, kræver modellen minimal teknisk ekspertise og ingen hardware ud over en internetforbindelse - du fodrer blot dine nethindebilleder ind i den prætrænede model.
Undersøgelsen viste, at den kodefri Google Cloud AutoML-model klarede sig på samme måde som den skræddersyede model og havde samme nøjagtighed som erfarne øjenlæger, når det gjaldt om at opdage plus-sygdom.
En af forfatterne, Dr. Konstantinos Balaskas, er lektor ved University College London, sagde"Da det kan opdages og behandles, burde ingen børn blive blinde på grund af præmaturitetsretinopati. Vi håber, at vores teknik til at automatisere diagnosticering af præmaturitetsretinopati vil forbedre adgangen til pleje i underforsynede områder og forhindre blindhed hos tusindvis af nyfødte verden over."
Dr. Deepak Bhatt, MPH, direktør for Mount Sinai Heart i New York, roste undersøgelsen og sagde: "Dette er en klog undersøgelse, der viser en potentielt meget nyttig anvendelse af kunstig intelligens. Forfatterne viste, at deres AI-program klarede sig lige så godt som erfarne øjenlæger, når det gjaldt om at identificere en af de vigtigste årsager til blindhed hos børn ved at undersøge nethindebilleder."
Bhatt understregede AI's potentiale i sundhedsvæsenet: "Maskinlæring og AI har bevæget sig fra science fiction til mulig anvendelse i klinisk praksis. Denne undersøgelse er et godt eksempel på det. Der er brug for flere undersøgelser som denne i forskellige befolkningsgrupper."
Kodefri cloud-baserede modeller er tilgængelige for alle med en internetforbindelse.
Der er ingen krav til hardware, og modellen er trænet på forhånd, så du behøver kun et input (i dette tilfælde nethindebilleder).
Forskerne indrømmer, at modellen primært blev testet ved hjælp af billeder taget med Retcam, en bestemt type nethindekamera, som har tendens til at være dyrt.
Men med lidt arbejde kan det udvides til andre nethindebilleder og hjælpe sundhedspersonale med at få adgang til avanceret nethindediagnostik overalt i verden.
