Forskere fra University College London og Moorfields Eye Hospital har utviklet en AI-modell som kan avdekke en pasients risiko for en rekke ulike sykdommer ved å analysere et bilde av netthinnen.
Det er ikke første gang AI har blitt brukt til å analysere netthinneskanningermen tilnærmingen forskerne har valgt med RETFound-modellen, vil sette fart i utviklingen på dette medisinske området.
Standard maskinlæringsmodeller trenes vanligvis opp på et stort sett med kuraterte data. Hvis du vil at modellen din skal kunne identifisere netthinnen til en person med risiko for en bestemt sykdom, må du trene den opp på en enorm mengde representative bilder.
Det er svært kostbart og tar lang tid å klargjøre medisinske bildedata for maskinlæring. I motsetning til den grunnleggende typen Datamerking utkontraktert til lavkostlandmå medisinske bilder analyseres og merkes av en spesialistlege.
Forskerne bak RETFound valgte en annen tilnærming og trente opp modellen sin ved hjelp av selvveiledet læring (SSL).
I stedet for å bruke kuraterte og merkede bilder, trente de modellen på 1,6 millioner umerkede netthinnebilder.
En grunnleggende modell for generaliserbar sykdomsdeteksjon fra netthinnebilder - Nature https://t.co/M2g0L4MMl4
- natur (@Natur) 13. september 2023
Pearse Keane, en øyelege som var en del av prosjektet"I løpet av millioner av bilder lærer modellen på en eller annen måte hvordan en netthinne ser ut og hvilke egenskaper den har."
Når modellen hadde et godt utgangspunkt for hvordan en normal netthinne ser ut, kunne den finjusteres med ytterligere trening.
Deretter trengte forskerne bare å trene modellen på ytterligere 100 bilder av netthinner fra personer som hadde en bestemt sykdom, og 100 bilder av netthinner fra personer som ikke hadde det.
Resultatene var imponerende, og RETFound var i stand til å oppdage øyesykdommer som diabetisk retinopati med ekstremt høy grad av sikkerhet.
Modellens evne til å forutsi sykdommer som Parkinsons, iskemisk hjerneslag, hjerteinfarkt og hjertesvikt var begrenset, men likevel bedre enn andre modeller.
Modellen er gjort offentlig tilgjengelig og vil spare andre forskere for mye tid når de skal utvikle modeller som er trent opp til å oppdage spesifikke sykdommer.
I forskningsrapporten heter det at bruk av RETFound som grunnmodell "potensielt kan spare omtrent 80% av opplæringstiden som kreves for å oppnå konvergens for oppgaven med å forutsi hjerteinfarkt".
Å bruke kunstig intelligens på netthinneskanninger er et spennende forskningsområde. Netthinnen er et vindu inn til helsen din. Det er den eneste delen av menneskekroppen der kapillærnettverket er synlig.
"Hvis du har en systemisk hjerte- og karsykdom, for eksempel høyt blodtrykk, som potensielt påvirker alle blodårene i kroppen din, kan vi visualisere det direkte på netthinnebilder", sier Keane.
Tenk deg hvilken innvirkning en skikkelig opplært modell som RETFound kan ha på tidlig diagnostisering av sykdommer i fattige land som ikke har nok leger.
Hundrevis av mennesker kan få utført en netthinneskanning av en sykepleier, og deretter kan AI-en behandle bildene på en skyplattform som AWS. Risikopasienter kan identifiseres og undersøkes av en lege, i stedet for at man må prøve å undersøke alle besøkende på en klinikk på landsbygda.
Selv i sin nåværende tidlige utviklingsfase kan denne typen kunstig intelligens redde liv i dag, ikke bare i en fjern fremtid.
