Forskere fra University College London og Moorfields Eye Hospital har udviklet en AI-model, der kan opdage en patients risiko for en række sygdomme ved at analysere et billede af deres nethinde.
Det er ikke første gang, at AI er blevet brugt til at analysere nethindescanningerMen den tilgang, som forskerne valgte med deres RETFound-model, vil fremskynde udviklingen inden for dette medicinske område.
Standard maskinlæringsmodeller trænes normalt på et stort sæt kuraterede data. Hvis du ønsker, at din model skal kunne identificere nethinden hos en person med risiko for en bestemt sygdom, er du nødt til at træne den på en enorm mængde repræsentative billeder.
Det er meget dyrt og tager lang tid at forberede medicinske billeddata til maskinlæring. I modsætning til den grundlæggende form for Datamærkning outsourcet til lavprislandeskal medicinske billeder analyseres og mærkes af en speciallæge.
Forskerne, der skabte RETFound, valgte en anden tilgang og trænede deres model ved hjælp af self-supervised learning (SSL).
I stedet for at bruge kuraterede og mærkede billeder trænede de modellen på 1,6 millioner umærkede nethindebilleder.
En grundlæggende model til generaliserbar sygdomsregistrering fra nethindebilleder - Nature https://t.co/M2g0L4MMl4
- natur (@Natur) 13. september 2023
Pearse Keane, en øjenlæge, der var en del af projektet"I løbet af millioner af billeder lærer modellen på en eller anden måde, hvordan en nethinde ser ud, og hvad alle nethindens funktioner er."
Når modellen havde et godt udgangspunkt for, hvordan en normal nethinde ser ud, kunne den finjusteres med yderligere træning.
Forskerne behøvede derefter kun at træne modellen på yderligere 100 billeder af nethinder fra mennesker, der havde en bestemt sygdom, og 100 billeder af nethinder fra mennesker, der ikke havde det.
Resultaterne var imponerende, og RETFound var i stand til at opdage øjensygdomme som diabetisk retinopati med en meget høj grad af sikkerhed.
Modellens evne til at Forudsige sygdomme som Parkinsons, iskæmisk slagtilfælde, myokardieinfarkt og hjertesvigt var begrænset, men stadig bedre end andre modeller.
Modellen er blevet gjort offentligt tilgængelig og vil spare andre forskere for en masse tid med at udvikle modeller, der er trænet til at opdage specifikke sygdomme.
Forskningsartiklen bemærkede, at brugen af RETFound som en grundlæggende model "potentielt kan spare omkring 80% af den træningstid, der kræves for at opnå konvergens til opgaven med at forudsige myokardieinfarkt."
Anvendelse af AI på nethindescanninger er et spændende forskningsområde. Din nethinde er et vindue til dit helbred. Det er den eneste del af menneskekroppen, hvor kapillærnetværket er synligt.
"Hvis du har en systemisk hjerte-kar-sygdom, som f.eks. forhøjet blodtryk, der potentielt påvirker alle blodkar i din krop, kan vi visualisere det direkte på nethindebilleder", siger Keane.
Forestil dig, hvilken indflydelse en veluddannet model som RETFound kunne have på den tidlige diagnosticering af sygdomme i fattige lande, hvor der ikke er tilstrækkeligt med læger.
Man kunne lade hundredvis af mennesker gennemgå en nethindescanning udført af en sygeplejerske og derefter lade AI'en behandle billederne på en cloud-platform som AWS. Risikopatienter kunne identificeres og derefter undersøges af en læge i stedet for at forsøge at undersøge alle besøgende på en klinik i landdistrikterne.
Selv i sin nuværende tidlige udviklingsfase kan denne form for AI redde liv i dag, ikke bare i en fjern fremtid.
