Pomembni preboj je uspel Očesni bolnišnici Moorfields in Inštitutu za oftalmologijo na University College London, ki sta na podlagi več kot 15 milijonov nestrukturiranih slik mrežnice razvila novi model umetne inteligence (UI) za oftalmologijo, imenovan RETFound. Poleg prepoznavanja bolezni, ki ogrožajo vid, RETFound lahko napove tudi tveganje za prihajajoči srčni infarkt, možgansko kap in Parkinsonovo bolezen.
Kaj je RETFound in kako deluje
Umetna inteligenca (UI) v medicini postavlja nove mejnike, tako pri zgodnjem prepoznavanju bolezni kot tudi pri napovedovanju izida zdravljenja ter iskanju optimalnih načinov za spremljanje različnih zdravstvenih stanj. V oftamologiji se razvija kot pomembno klinično orodje, predvsem pri interpretiranju slik, narejenih z optično koherenčno tomografijo.
RETFound je samoučljiv model, ki odkriva bolezni iz slik mrežnice in je sposoben identificirati nekatere od najbolj zahtevnih (za zdravljenje) in napornih (za bolnika) bolezni v različnih populacijah. Je prosto dostopen in ga lahko uporablja katerakoli institucija. V prihodnjih letih bi lahko postal temelj za diagnostiko tako očesnih bolezni kot tudi mnogih drugih, so prepričani njegovi razvijalci. RETFound temelji na samonadzorovanem učenju – kjer se umetna inteligenca uči iz podatkov brez izrecnega zunanjega nadzora (v tem primeru iz vseh slik mrežnice, ne glede na namen in vrsto slikanja).
Spremembe v mrežnici kot biomarker
Mrežnica, ki leži na notranji strani zadnjega dela očesa je anatomsko »podaljšek« osrednjega živčnega sistema, spremembe v njej pa lahko odražajo tudi nevrološke spremembe, tipične za Parkinsonovo bolezen. Gre za stanjšanje mrežničnih živčnih vlaken in spremembe v krvnih žilah mrežnice, ki jih pokaže optična koherenčna tomografija (OKT). OKT je neinvazivna slikovna metoda, ki posname slike prečnega prereza mrežnice (nekaj mikrometrov v premeru) z visoko ločljivostjo, kar omogoča merjenje debeline mrežnice in ostalih strukturnih parametrov. Pri bolnikih s Parkinsonovo boleznijo so mrežnična živčna vlakna stanjšana. Optična koherentna tomografija se sicer rutinsko uporablja pri odkrivanju raznoraznih bolezni mrežnice: diabetične retinopatije, starostne degeneracije makule, glavkoma, kardiovaskularnih bolezni (ko pride do sprememb v krvnih žilah mrežnice oz. hiperintenzivne retinopatije), in drugih. Zadnje raziskave celo kažejo, da so spremembe v mrežnici lahko zgodnji znak multiple skleroze in Alzheimerjeve bolezni, vendar bo za potrditev te vzročne povezave potrebnih še več študij.
Mrežnica je na svetlobo občutljiva plast tkiva, ki se nahaja na zadnji strani očesa. Vsebuje fotoreceptorske celice (paličice in čepnice), ki zajemajo svetlobo in jo pretvarjajo v električne signale. Ti signali se nato preko optičnega živca prenesejo v možgane, kjer se interpretirajo kot slika.
Zgodnje odkrivanje najpogostejših bolezni mrežnice
(Zgodnje) odkrivanje bolezni mrežnice temelji na slikovnih preiskavah, katerih interpretacija je zaradi velike razširjenosti in standardizirane uporabe »idealna« naloga za umetno inteligenco. Na podlagi slik posameznih slojev mrežnice in/ali vidnega živca, ki jih omogoča optična koherentna tomografija, RETFound prepozna nepravilnosti/odstopanja, jih primerja med seboj ter tudi klinično interpretira.
Diabetična retinopatija kot tudi starostna degeneracija makule (napreduje s starostjo, ima jo dobra desetina starejših od 80 let) sta zelo pogosti stanji, pri katerih se umetna inteligenca s pridom uporablja. Za obe velja, da čim prej kot sta odkriti, bolj uspešno je zdravljenje.
Diabetična retinopatija je najpogostejši kronični zaplet sladkorne bolezni. Prisotna je lahko pri do tretjini bolnikov, pri desetini od teh lahko napreduje do stopnje, ki resno ogrozi vid. Dolgo poteka brez simptomov, zato je za preprečevanje zapletov ključno pravočasno diagnosticiranje in zdravljenje. RETFound in drugi samoučeči se algoritmi lahko prepoznajo zgodnje spremembe na mrežnici, kar v kombinaciji s sistemom presejalnega testiranja sladkornih bolnikov lahko pomembno izboljša pravočasnost zdravljenja.
Uporaba samonadzorovanega učenja v medicini Samonadzorovano učenje je v medicini mogoče uporabiti za; Predhodno usposabljanje globokih nevronskih mrež: ko se le-te »učijo« na velikih bazah nespecifičnih medicinskih podatkov. Na primer, UI model je mogoče usposobiti za napovedovanje relativnih prostorskih razmerij med različnimi prerezi, rotacijami, transformacijami slik, ki jih dobimo iz MRI, CT, RTG… . Iz naučenega je nato mogoče model natančno nastaviti za specifične analitične naloge. Interpretacijo podatkov iz elektronskih zdravstvenih kartotek: z ustvarjanjem nalog, kot je napovedovanje bolnikovih poti, napredovanja bolezni itd. se AI model nauči predstavitev, ki zajamejo določene vzorce in razmerja znotraj podatkov. To potem uporabi za zahtevnejše naloge, kot je diagnosticiranje, napovedovanje izida zdravljenja, itd. Popravo kliničnih zapiskov ali nepopolnih izvidov: UI model je mogoče usposobiti za predvidevanje manjkajočih besed v stavku, nepravilnih poimenovanj, napak in nepopolnosti v medicinski dokumentaciji. To pomaga pri učenju modela za kontekstualizirane predstavitve, ki jih kasneje uporabimo za naloge, kot so pridobivanje informacij, odgovarjanje na vprašanja (v klinični praksi) ali povzemanje.
Starostna degeneracija makule je napredujoče stanje, ki dolgo poteka tiho (brez simptomov) in je glavni vzrok za slepoto po 55. letu starosti. Klinični znaki se pokažejo šele kasneje kot poslabšanje centralnega vida: otežkočeno branje in prepoznavanje predmetov. Dejavniki tveganja so starost, rasa in spol (belci ter ženske so bolj ogroženi), družinska obremenjenost, kajenje, prehrana. Umetna inteligenca z upoštevanjem dejavnikov tveganja ter analizo slik lahko zgodaj prepozna različne nepravilnosti mrežnice in lahko pomaga pri napovedi, pri katerih bolnikih bo starostna degeneracija makule napredovala v nevrovaskularno obliko (ki v kratkem času trajno okvari vid oz. povzroči slepoto).
Recenziral Marko Šulak.
Viri:
Zhou, Y., Chia, M.A., Wagner, S.K. et al. A foundation model for generalizable disease detection from retinal images. Nature 622, 156–163 (2023).
Ma X, Li S, Zheng B, et al. Retinal Structure Abnormalities in Parkinson’s Disease and Atypical Parkinsonism. Biomolecules. 2023 Jan 23;13(2):218.
Koce M, Jaki Mekjavič P, Urbančič M, et al. Umetna inteligenca v obravnavi bolnika z boleznijo mrežnice. Zdrav Vestn. 2022;91(11–12):516–24. DOI: https://doi.org/10.6016/ZdravVestn.3259
van Houten-Schat MA, Berkhout JJ, van Dijk N, et al. Self-regulated learning in the clinical context: a systematic review. Med Educ. 2018 Oct;52(10):1008-1015.
