Искусственный интеллект предсказывает исход лечения связанных с диабетом потеря зрения

Новый подход, который использует искусственный интеллект для анализа изображения сетчатки может в один прекрасный день помочь врачам выбрать наилучшее лечение для пациентов с потерей зрения у диабетического макулярного отека. Это осложнение диабета является основной причиной потери зрения среди взрослого населения трудоспособного возраста.

Анти-фактора роста эндотелия сосудов (Фрэс) агенты широко используются в качестве первой линии терапии диабетического макулярного отека, но они не работают для всех. Нужно определить, кто будет выгоду от терапии, потому что это требует нескольких инъекций, которые являются дорогостоящими и обременительными как для пациентов, так и врачей.

«Мы разработали алгоритм, который может быть использован для автоматического анализа оптической когерентной томографии (окт) изображений сетчатки, чтобы предсказать, будет ли пациент, скорее всего, реагировать на анти-VEGF лечения», — говорит научный руководитель команды Сина Farsiu из Университета Дьюка. «Это исследование является шагом в сторону точной медицины, в которой такие прогнозы помочь врачам лучше выбрать первой линии терапии для пациентов с учетом конкретных условий болезни».

В оптическое общество (OSA) журнал биомедицинской оптики Экспресс, Farsiu и коллеги показывают, что новый алгоритм может анализировать только одну предварительной обработки объемного сканирования, чтобы точно предсказать, будет ли пациент реагировать на анти-VEGF терапию.

«Наш подход потенциально может быть использован в клиниках, глаз для предотвращения ненужных и дорогостоящих проб и ошибок лечения и таким образом уменьшить значительное бремя лечения для пациентов», — сказал Farsiu. «Алгоритм также может быть адаптирована для прогнозирования ответа на лечение многих других заболеваний глаза, в том числе неоваскулярной возрастной макулярной дегенерации.»

Прогнозирования реакции на лечение алгоритм, разработанный исследователями по мотивам романа сверточная нейронная сеть (КНС) архитектура, вид искусственного интеллекта, который может анализировать изображения, придает важное значение различным аспектам или объектов. Они использовали алгоритм для изучения изображений, полученных с октября, неинвазивной технологией, которая обеспечивает высокое разрешение кросс-секционные изображения сетчатки и является стандартом лечения для оценки и лечения многих заболеваний глаз.

«В отличие от ранее разработанных подходов, наш алгоритм требует изображений только одной предварительной обработкой, момента времени,» сказал Реза расти, первый автор статьи и научный сотрудник лаборатории Farsiu по. «Там нет необходимости для времени-серии окт-изображений, записей пациентов или другие метаданные, чтобы предсказать ответ на терапию.»

Новый алгоритм сохраняет и подчеркивает глобальные структуры в изображении октября, усиливая местные особенности от больные места, чтобы эффективно использовать толщину сетчатки информация. Чтобы помочь с лечением принятии решений, исследователи включили дополнительный шаг, который выглядит для CNN-закодированных функций, которые тесно связаны с анти-VEGF ответ.

Тестирование алгоритма исследователи протестировали свой новый алгоритм с изображениями октября из 127 пациентов, которые прошли лечение диабетического макулярного отека с тремя последовательными инъекциями анти-VEGF агентов. Они применили алгоритм для анализа изображений октября принято до анти-VEGF инъекций, затем сравнивают прогнозы алгоритма с октября снимки, сделанные после анти-VEGF терапии для подтверждения того, что терапия улучшила состояние.

Основываясь на результатах, исследователи подсчитали, что алгоритм будет иметь 87-процентную вероятность правильного прогнозирования, который будет реагировать на лечение. Она выставлена средняя точность и специфичность 85% и чувствительность 80 процентов.

Далее, исследователи планируют подтвердить и расширить выводы из этого экспериментального исследования при выполнении больших наблюдательных исследований у пациентов, которые еще не подверглись обработке.

сделать разницу: спонсорские возможности