Prematur retinopati (ROP), en alvorlig øyesykdom som rammer for tidlig fødte barn, er en viktig årsak til synshemming og blindhet.
Tidlig behandling kan dempe de verste konsekvensene av ROP, men mangelen på øyeleger til barn, særlig i lav- og mellominntektsland, er et stort hinder.
I en studie publisert i The Lancetutviklet forskerne en kodefri AI-modell for å diagnostisere ROP ut fra netthinnebilder.
De mener at modellen vil hjelpe øyeleger med å diagnostisere tilstanden fra hvor som helst i verden, ettersom den kjører på Google Cloud og krever minimal teknisk ekspertise for å fungere.
Om retinopati ved prematuritet (ROP)
ROP er en unormal vekst av blodkar i netthinnen som vanligvis observeres hos spedbarn født før 31. svangerskapsuke eller med en kroppsvekt på under 1,5 kilo.
Mens mild ROP kan forsvinne av seg selv, kan alvorlige tilfeller føre til netthinneløsning, synshemming og blindhet.
Flere netthinnetrekk brukes til å diagnostisere ROP, blant annet plus disease, som defineres som unormalt kronglete blodårer i netthinnen. "Tilstedeværelsen av pluss-sykdom anses å være en markør for retinopati som krever behandling", forklarer forskerne i studien. Rutinemessig screening hos barneoftalmologer kan bidra til å forebygge utviklingen av ROP.
Tidligere studier har allerede vist at AI-modeller kan diagnostisere alvorlig ROP basert på analyse av netthinnebilder. De fleste av disse modellene krever imidlertid teknisk ekspertise og betydelige maskinvareressurser, noe som er mangelvare i enkelte medisinske miljøer.
En tilgjengelig, kodefri AI-modell løser disse utfordringene og gir øyeleger tilgang til banebrytende netthinnediagnostikk fra hvor som helst med en internettforbindelse.
Rollen til kunstig intelligens
Studien sammenligner en kodefri AI-modell bygget på Google Cloud AutoML Vision Application Programming Interface (API) og en skreddersydd modell bygget fra bunnen av.
"Den kodefrie AI-applikasjonen ble utviklet ved hjelp av bilder fra nyfødte med ulik etnisk og sosioøkonomisk bakgrunn ved et sykehus i Storbritannia", beskriver forskerne.
Siden den kjører på Google Cloud AutoML, krever modellen minimal teknisk ekspertise og ingen maskinvare, bortsett fra en Internett-tilkobling - du trenger bare å mate netthinnebildene dine inn i den forhåndstrenede modellen.
Studien viste at den kodefrie Google Cloud AutoML-modellen presterte på samme måte som den skreddersydde modellen, med samme nøyaktighet som erfarne øyeleger når det gjaldt å oppdage pluss-sykdom.
En av forfatterne, Dr. Konstantinos Balaskas, førsteamanuensis ved University College London, sa"Gitt at det kan oppdages og behandles, burde ingen barn bli blinde på grunn av prematuritetsretinopati. Vi håper at vår teknikk for automatisert diagnostikk av prematuritetsretinopati vil forbedre tilgangen til behandling i underbetjente områder og forhindre blindhet hos tusenvis av nyfødte verden over."
Dr. Deepak Bhatt, MPH, direktør for Mount Sinai Heart i New York, roste studien og sa: "Dette er en smart studie som viser en potensielt svært nyttig anvendelse av kunstig intelligens. Forfatterne viste at AI-programmet deres gjorde det like bra som erfarne øyeleger når det gjaldt å identifisere en av de viktigste årsakene til blindhet hos barn ved å undersøke netthinnebilder."
Bhatt understreket AIs potensial i helsevesenet: "Maskinlæring og AI har beveget seg fra science fiction til mulig nytte i klinisk praksis. Denne studien er et godt eksempel på det. Det er behov for flere slike studier i ulike populasjoner."
Kodefrie skybaserte modeller er tilgjengelige for alle med internettforbindelse.
Det stilles ingen krav til maskinvare, og modellen er trent på forhånd, så du trenger bare en input (i dette tilfellet netthinnebilder).
Forskerne innrømmer at modellen først og fremst ble testet ved hjelp av bilder tatt med Retcam, en spesiell type netthinnekamera som ofte er kostbart.
Med litt arbeid kan det imidlertid utvides til å omfatte andre netthinnebilder, slik at helsepersonell kan få tilgang til toppmoderne netthinnediagnostikk fra hvor som helst i verden.
