Η νέα τεχνολογία τεχνητής νοημοσύνης (AI) που ανιχνεύει ανεπαίσθητες αλλαγές στον αμφιβληστροειδή θα μπορούσε να αποδειχθεί ότι αλλάζει το παιχνίδι βοηθώντας εκατομμύρια ανθρώπους να αποφύγουν την απώλεια όρασης ή την τύφλωση.
Τεχνολογία τεχνητής νοημοσύνης
Το μοντέλο βαθιάς μάθησης αμφιβληστροειδούς, που αναπτύχθηκε κατά τη διάρκεια τριετούς μελέτης από το Πανεπιστήμιο Monash, βοηθά τους γενικούς ιατρούς και τους επαγγελματίες υγείας να ανιχνεύσουν και να προβλέψουν τον κίνδυνο απόφραξης φλέβας αμφιβληστροειδούς (RVO), που συμβαίνει όταν ένας θρόμβος αίματος φράζει μια φλέβα στον αμφιβληστροειδή του ματιού. Αλλά η τεχνολογία έχει επίσης τη δυνατότητα να προβλέψει τον κίνδυνο καρδιακής προσβολής και εγκεφαλικού, επειδή ο αμφιβληστροειδής είναι τόσο στενά συνδεδεμένος με άλλα μέρη του σώματος μέσω του κεντρικού νευρικού συστήματος.
Η μελέτη, που δημοσιεύτηκε στο περιοδικό Eye , πραγματοποιήθηκε από την Monash Medical AI Group, η οποία βρίσκεται στο Κέντρο ηλεκτρονικής έρευνας Monash του πανεπιστημίου. Ο συγγραφέας της μελέτης, Αναπληρωτής Καθηγητής Zongyuan Ge, επίσης Ανώτερος Ερευνητής στο Τμήμα Ηλεκτρολόγων και Μηχανικών Συστημάτων Υπολογιστών, είπε ότι το RVO είναι η δεύτερη πιο κοινή αγγειακή νόσος του αμφιβληστροειδούς στον κόσμο, επηρεάζοντας περίπου 16 εκατομμύρια ανθρώπους. Εάν διαγνωστεί πολύ αργά ή αφεθεί χωρίς θεραπεία, μπορεί να οδηγήσει σε απώλεια όρασης ή σε σοβαρές περιπτώσεις, τύφλωση.
Το RVO μπορεί να εμφανιστεί εάν οι φλέβες των ματιών είναι πολύ στενές και είναι πιο πιθανό να εμφανιστεί σε άτομα με διαβήτη, υψηλή αρτηριακή πίεση ή υψηλά επίπεδα χοληστερόλης. Κατά τη διάρκεια της μελέτης, οι ερευνητές εκπαίδευσαν ένα μοντέλο τεχνητής νοημοσύνης για τη διάκριση μεταξύ περισσότερων από 10.500 εικόνων βυθού (φωτογραφίες του πίσω μέρους του ματιού) που συλλέχθηκαν από το Νοσοκομείο Δυτικής Κίνας του Πανεπιστημίου Σιτσουάν. Μερικοί από τους ασθενείς που καταγράφηκαν στις φωτογραφίες είχαν απόφραξη φλέβας αμφιβληστροειδούς, ενώ άλλοι όχι.
Ο αναπληρωτής καθηγητής Ge είπε ότι η τεχνητή νοημοσύνη είχε στο παρελθόν επικεντρωθεί σε πιο παραδοσιακές οφθαλμικές ασθένειες όπως η διαβητική αμφιβληστροειδοπάθεια, το γλαύκωμα ή ο καταρράκτης. «Ωστόσο, είναι σπάνιο μια μελέτη να συνδέει τις εικόνες του βυθού με νευρολογικούς και συστημικούς παράγοντες κινδύνου ασθένειας», είπε. «Πιστεύουμε ότι η μελέτη μας ενισχύει την κατανόησή μας για το τι μπορεί πραγματικά να κάνει η τεχνητή νοημοσύνη στη διάγνωση και τη διαχείριση ασθενειών».
Εκατοντάδες χιλιάδες τεμάχια δεδομένων χρησιμοποιήθηκαν για την εκπαίδευση του μοντέλου τεχνητής νοημοσύνης και επιτρέπουν εξαιρετικά ακριβείς προβλέψεις. «Η ικανότητα της τεχνητής νοημοσύνης να εκτελεί τεράστιους υπολογισμούς και να συλλαμβάνει άγνωστους και φαινομενικά άσχετους παράγοντες για ταξινόμηση είναι πολύ πέρα από την ανθρώπινη σκέψη και τις ικανότητες», σημείωσε ο αναπληρωτής καθηγητής Ge.
Το εργαλείο αλγορίθμου θα είναι πιθανότατα ένα ισχυρό εργαλείο για να βοηθήσει τους γιατρούς και τους κλινικούς ιατρούς να προβλέψουν τον κίνδυνο εμφάνισης RVO και άλλων καρδιαγγειακών και εγκεφαλοαγγειακών παθήσεων, όπως το εγκεφαλικό επεισόδιο στο μέλλον – ακόμα κι αν δεν ειδικεύονται σε αυτόν τον τομέα. Το μόνο που θα χρειαστούν είναι μια «έξυπνη» κάμερα βυθού—αυτή είναι πλέον ευρέως διαθέσιμη, ακόμη και στις αναπτυσσόμενες χώρες—και μια πλατφόρμα υπολογιστικού νέφους ενσωματωμένη στον αλγόριθμο AI.
«Ελπίζουμε επίσης ότι ο αλγόριθμος θα καταστήσει πολύ φθηνότερο και πιο προσιτό για τους ασθενείς να ελέγχουν την υγεία των αγγείων τους—ίσως 20 έως 40 δολάρια, σε σύγκριση με το συνηθισμένο κόστος περίπου 3.000 δολαρίων για μια μαγνητική τομογραφία στις ανεπτυγμένες χώρες», δήλωσε ο αναπληρωτής καθηγητής Ge. Είπε ότι αυτό είναι ιδιαίτερα σημαντικό δεδομένου του γηράσκοντος πληθυσμού της Αυστραλίας και της εθνικής έλλειψης οφθαλμίατρων. Ελπίζεται ότι η μελέτη θα οδηγήσει σε κλινικές δοκιμές στην Κίνα, την Αυστραλία, το Ηνωμένο Βασίλειο και τις ΗΠΑ.