ИИ с поразительной точностью предсказывает прогрессирование глаукомы у пациентов из группы высокого риска

Недавние достижения в области искусственного интеллекта (ИИ) привели к прорывным исследованиям в области офтальмологии. Новое исследование, опубликованное онлайн в British Journal of Ophthalmology, показывает, что ИИ, обученный распознавать тревожные признаки на изображениях сетчатки и клинической информации, может с исключительной точностью предсказывать развитие глаукомы у лиц из группы высокого риска. Этот инновационный подход к прогнозированию глаукомы имеет потенциал революционизировать диагностику и уход за пациентами.

Проблема выявления глаукомы у пациентов из группы высокого риска

Глаукома, являющаяся одной из ведущих причин слепоты во всем мире, представляет собой уникальную проблему для врачей. Часто трудно определить, разовьется ли у людей с подозрительными признаками раннего повреждения зрительного нерва, но без характерного высокого внутриглазного давления (ВГД), глаукома и подвергнутся ли они риску потери зрения. Традиционные диагностические методы имеют ограничения в выявлении этих лиц из группы высокого риска.

Использование ИИ для устранения диагностического пробела

Чтобы устранить этот диагностический пробел, группа исследователей провела комплексное исследование. Они проанализировали клинические данные 12 458 глаз, демонстрирующих ранние признаки глаукомы, и выявили 210 глаз, у которых развилась глаукома, и 105 глаз, у которых этого не произошло. Эти глаза тщательно наблюдались каждые 6–12 месяцев в течение как минимум 7 лет.

Алгоритмы ИИ и предиктивные признаки

Исследователи использовали мощь ИИ, опираясь на тревожные признаки на изображениях сетчатки, полученные в период наблюдения, и 15 ключевых клинических признаков. Эти признаки включали возраст, пол, ВГД, толщину роговицы, толщину слоя нервных волокон сетчатки, артериальное давление и индекс массы тела (ИМТ). Они использовали эти данные для разработки набора «предиктивных» комбинаций, которые были поданы на вход трем классификаторам машинного обучения.

Результаты были просто поразительными. Все три алгоритма машинного обучения последовательно предсказывали прогрессирование глаукомы, а также сроки этого прогрессирования, с поразительно высокой степенью точности, варьирующейся от 91% до 99%. Этот прорыв предполагает, что ИИ имеет потенциал революционизировать диагностику и управление глаукомой у пациентов из группы риска.

Ключевые предиктивные клинические признаки

Среди 15 проанализированных клинических признаков три оказались наиболее критичными для прогнозирования прогрессирования глаукомы: исходное ВГД, диастолическое артериальное давление (второе число в показании артериального давления, измеряющее давление в артериях между ударами сердца) и средняя толщина слоя нервных волокон сетчатки. Интересно, что исходный возраст не оказался значимым предиктивным фактором, хотя было замечено, что те, у кого развилась глаукома, в среднем были моложе тех, у кого этого не произошло.

Ограничения исследования и будущий потенциал

Хотя это исследование представляет собой значительный шаг вперед в прогнозировании глаукомы, в нем признаются определенные ограничения. Модель ИИ была обучена на относительно ограниченных данных, фокусируясь на лицах с нормальным ВГД, которые не получали никакого лечения глаукомы в период наблюдения. Таким образом, применимость модели может быть ограничена этой конкретной группой пациентов.

Однако исследователи оптимистично настроены относительно потенциала дальнейшего совершенствования. Они предполагают, что при дополнительном обучении и тестировании на большем наборе данных модели глубокого обучения можно улучшить еще больше. Это может предоставить клиницистам ценный инструмент для прогнозирования течения заболевания у конкретных пациентов из группы риска по глаукоме, что позволит принимать персонализированные решения об управлении.

Последствия для клинической практики

Последствия этого исследования глубоки. Прогнозирование течения глаукомы для каждого пациента индивидуально может дать клиницистам возможность адаптировать стратегии управления к конкретным потребностям каждого пациента. Это включает определение частоты визитов для наблюдения, решение о том, когда начать лечение, снижающее внутриглазное давление, и установление целевых уровней ВГД. Такие персонализированные подходы имеют потенциал оптимизировать уход за пациентами и улучшить результаты.

В борьбе с глаукомой и предотвращении потери зрения искусственный интеллект стал многообещающим союзником. Прорывное исследование, обсуждаемое здесь, демонстрирует потенциал ИИ для точного прогнозирования прогрессирования глаукомы у лиц из группы высокого риска. Хотя необходимы дальнейшие исследования и совершенствование, это развитие дает надежду на более эффективную диагностику и управление глаукомой у пациентов из группы риска. По мере развития ИИ он может стать ключевым фактором в сохранении драгоценного дара зрения для бесчисленного множества людей по всему миру.