Использование компьютерных технологий в офтальмологии

Компьютерное зрение в офтальмологии — это высокотехнологичный подход к диагностике и лечению пациентов с нарушениями зрения. Искусственный интеллект ищет признаки заболеваний глаз, помогает на операциях и делает жизнь слабовидящих людей более комфортной и безопасной.

Как технологии рассматривают человеческий глаз

Для того чтобы научить компьютер понимать данные в офтальмологии, используется ветвь искусственного интеллекта (ИИ) — машинное обучение (Machine Learning, ML). ML даёт начало алгоритмам, которые распознают патологические образования. Чтобы находить признаки болезни, машина учится. Она просматривает сотни и тысячи снимков глаза. Изображения получают разными методами, и они заранее описаны врачами¹.

Глубокое обучение (Deep Learning, DL) — подмножество ML, которое работает с более сложными данными. DL учится искать скрытые закономерности. После обучения информационная модель обрабатывает новую информацию без участия человека. При этом алгоритм может делать это точно и быстро².

Информационные модели уже помогают врачам в других областях медицины. Пример — медицинский цифровой диагностический центр (MDDC) от СберМедИИ, который объединяет алгоритмы на основе искусственного интеллекта. Что умеет ИИ:

• анализировать рентгеновские и КТ-снимки: КТ головного мозга, Маммография, КТ грудной клетки;

• выявлять признаки сердечно-сосудистых заболеваний;

• помогать планировать операцию.

Сервисы снижают нагрузку на врачей, автоматизируя рутинные процессы в диагностике и лечении. Заключения ИИ верифицируются медицинским специалистом.

Информационные технологии в диагностике глазных заболеваний

Распространённые заболевания глаз требуют постоянного внимания, так как из-за них может ухудшиться зрение и даже наступить слепота. На скрининг и лечение таких патологий уходят значительные ресурсы системы здравоохранения. Искусственный интеллект в офтальмологии — возможный путь решения этих проблем.

Диабетическая ретинопатия

Диабетическая ретинопатия (ДР) — это осложнение диабета, вызванное высоким уровнем сахара в крови. При ДР повреждаются кровеносные сосуды в сетчатке. Это светочувствительный слой клеток в задней части глаза. Он преобразует свет в сигналы, понятные мозгу. Сетчатка нуждается в постоянном снабжении кровью3.

На ранней стадии болезнь глаз может протекать без симптомов. Если вовремя не проводить диагностику и лечение, зрение постепенно снижается. Человеку становится труднее читать и смотреть вдаль, в поле зрения появляются пятна и полосы. На поздних стадиях ДР может привести к слепоте⁴.

Учёные из США и Франции на базе университета Айовы разработали технологию, которая автоматически обнаруживает признаки диабетической ретинопатии. Для тестирования был использован набор данных, который включает 1748 цветных изображений дна сетчатки⁵.

Майкл Абрамофф и его команда совершенствуют свою компьютерную разработку IDx-DR — устройство с клиентской программой для скрининга ДР. Оно устанавливается в пункте оказания медицинской помощи. Это первое устройство для скрининга ДР, одобренное Управлением по санитарному надзору за качеством пищевых продуктов и медикаментов (США)6. Скрининг проводится среди взрослых людей старше 22 лет с диагнозом «сахарный диабет»⁷.

Принцип работы технологии⁵:

1. Врач делает специальной камерой снимки глазного дна и загружает их в прибор.

2. Аналитическая программа оценивает качество изображения.

3. Нейросеть обнаруживает и оценивает изменения в сетчатке.

4. Врач получает предварительное заключение о степени диабетической ретинопатии.

Работа улучшенного алгоритма была проверена на 874 случаях ДР. Чувствительность программы составила 96,8%, а специфичность — 87,0%⁵.

Возрастная макулярная дегенерация

Возрастная макулярная дегенерация (ВМД) — заболевание глаз, при котором поражается макула. Это часть сетчатки, отвечающая за центральное зрение. Макула помогает чётко видеть предметы8.

У пожилых людей она постепенно разрушается. При ВМД объекты в центре поля зрения искажаются, становятся размытыми. Если заболевание прогрессирует, возникают проблемы в повседневной жизни: например, становится трудно читать книги или водить машину. Ранняя диагностика и лечение помогают сохранить зрение⁹.

Технологии изучают фотографии глазного дна и помогают отличить норму от патологии. Нейросеть способна быстро просмотреть сотни тысяч снимков глаза в поисках возрастных аномалий сетчатки10. Сложно представить проведение подобного скрининга вручную, учитывая трудоёмкость процесса.

Друзы — это отложения в макуле, которые накапливаются по мере старения. Они считаются ранним признаком ВМД11. В 2011 году учёные из Венского медицинского университета разработали алгоритм, который оценивает друзы. Как проводилось исследование¹²:

1. В него включили 13 пациентов со средним возрастом 70 лет с возрастными заболеваниями глаз.

2. Участникам провели оптическую когерентную томографию (ОКТ), чтобы получить компьютерные изображения структур глаза.

3. Алгоритм изучил снимки и выявил 96,5% всех отложений без существенных ошибок.

Работа продолжилась. В 2017 году технология помогла выяснить, как изменяется объём друз по мере прогрессирования ВМД. Выводы проливают свет на природу заболевания. Как компьютерную модель планируют использовать в офтальмологии¹³:

• автоматизировать ручную обработку ОКТ-изображений, которая отнимает много времени и сил;

• разработать методику мониторинга пациентов;

• предсказывать возможные осложнения на разных стадиях ВМД.

Врач может использовать компьютерные решения в офтальмологии, чтобы охватить вниманием тысячи пожилых людей и найти тех, кто в зоне риска.

Глаукома

Глаукома — это группа глазных заболеваний, при которых повреждается зрительный нерв. Он передаёт визуальную информацию в виде нервных сигналов из глаза в головной мозг. При глаукоме ухудшается периферическое зрение¹⁴.

В офтальмологии периферическое зрение оценивают с помощью периметрии. Пациент смотрит в прибор, похожий по форме на чашу, фокусируясь на центральной точке. В остальных местах чаши появляются пятна света разной яркости. Пациенту нужно нажать на кнопку, как только он заметит световую точку¹⁵.

Периметрия используется для диагностики глаукомы. Но связь между изменениями поля зрения и заболеванием не всегда очевидна. На помощь приходят технологии, которые ищут скрытые закономерности, важные для постановки диагноза. Приведём в пример многоцентровое исследование учёных из Китая¹⁶:

• Для обучения и тестов было собрано более 4 тысяч периметрических отчётов.

• ИИ анализировал изображения и определял вероятность глаукомы.

• Результат оказался правильным в 87,6% случаев.

Периметрию затруднительно применять для массового скрининга. Поэтому информационное решение учёных из Республики Корея получилось прагматичным. Алгоритм обходится без теста поля зрения. Он анализирует параметры пациента, например пол и возраст, и факторы риска в офтальмологии, включая внутриглазное давление. Тест помог выделить пациентов с глаукомой среди всех пациентов с подозрением на эту патологию с точностью 84,0%¹⁷.

Катаракта

Катаракта — помутнение хрусталика глаза, который в норме прозрачный. Человек видит окружающие предметы и людей будто через запотевшее стекло. Это осложняет повседневную жизнь¹⁸.

Китайские учёные предложили информационное решение для предварительной диагностики катаракты. Платформа на основе искусственного интеллекта изучает фотографии хрусталика. Технология определяет состояние глаза с точностью выше 90%¹⁹:

• нормальный хрусталик;

• катаракта;

• хрусталик после операции.

Для проверки и тестирования программы было собрано более 37 тысяч фотографий для 10 тысяч случаев. Процесс требовал участия экспертов: каждый снимок глаза размечался двумя специалистами независимо друг от друга. При разногласиях они обращались к третьему эксперту¹⁹.

Учёные планируют интегрировать алгоритм в систему первичной медико-санитарной помощи. ИИ будет выявлять подозрительные случаи. Врачи получат уведомление и проведут дальнейшее обследование¹⁹.

Платформа CC-Cruiser, основанная на искусственном интеллекте, помогает диагностировать детскую катаракту по фотографиям щелевой лампы. Исследование проводили в пяти клиниках офтальмологии в Китае. Программа сократила время диагностики, достигнув точности 87,4%. Конечно, ИИ уступил опытным офтальмологам. Но пациенты и врачи положительно оценили вклад информационного помощника²⁰.

Технологии в хирургии глаза

Информационные решения используются при подготовке к операции. Например, при катаракте поражённый хрусталик удаляют и заменяют на внутриглазную линзу. Искусственная линза имеет разную фокусировку. Чтобы правильно её подобрать, врач проводит измерения роговицы21.

Далее биометрические данные глаза рассчитываются по специальным формулам. Разработчики создают программы на основе ИИ, которые повышают точность расчётов. Если внутриглазная линза подобрана правильно, риск повторной операции и осложнений снижается22.

Точность вплоть до микрона — непростое условие для лечения в офтальмологии, но оно вдохновляет разработчиков на новые открытия. Роботизированная хирургия объединяет человеческий опыт и компьютерные возможности, чтобы вернуть зрение.

Учёные из Великобритании и Нидерландов провели несколько операций на сетчатке, управляя роботизированной рукой²³:

1. Программа заранее построила координаты, по которым двигался инструмент.

2. Хирург контролировал движения робота, отменяя их в нужный момент.

3. Технология помогла доставить лекарство: робот сделал инъекцию в пространство под сетчаткой.

В исследовании использовалась хирургическая система Preceyes, разработанная нидерландской компанией Preceyes BV23. Она получает доступ к глазу, делая разрез в 1 мм. Уровень точности составляет 10 микрон²⁴. Технология прошла клинические испытания и получила маркировку CE, что делает её коммерчески доступной²⁵.

Программы учатся предсказывать результаты хирургического лечения. В одном исследовании во время операции по поводу катаракты измеряли капсулу хрусталика. Алгоритм обрабатывал данные ОКТ. Информационная модель позволила предположить, какое положение займёт линза после операции²⁶.

Компьютерный глаз: как девайсы помогают слабовидящим людям

Умные очки используют силу искусственного интеллекта, чтобы помочь людям со слабым зрением и слепотой. Девайсы для глаз имеют встроенную операционную систему и камеру. Для беспроводной передачи информации есть Wi-Fi или Bluetooth. Датчики распознают касания или голос пользователя. Компьютерное устройство реагирует на разные команды²⁷.

Envision Glasses — умные очки от нидерландской компании Envision. Разработчики создали программу, соединив её с техническими возможностями Google Glass. Как работает информационное решение28:

1. Пользователь касается дужки очков — там, где расположена аппаратная часть.

2. Камера делает снимок, который распознаётся искусственным интеллектом.

3. Компьютерный голос описывает сцену.

Envision умеет читать тексты на более чем 60 языках, узнавать лица знакомых, рассказывать о происходящем на улице. При таком большом наборе функций впечатляет вес умного устройства: оно легче 50 граммов²⁹.

Стартап Оксфорда OXSIGHT выпускает очки, которые улучшают распознавание текста, лиц или объектов. Компьютерное устройство призвано помочь людям с нарушениями центрального и периферического зрения. Сюда относятся такие болезни глаз, как диабетическая ретинопатия и ВМД³⁰.

Вызовы в компьютерной офтальмологии

При интеграции компьютерного зрения в офтальмологию встречаются «подводные камни». Исследователи отмечают, что оборудование и программы могут стоить дорого и их необходимо обслуживать. Пациенты обеспокоены возможными ошибками ИИ и безопасностью данных³¹.

Чтобы использовать возможности ИИ для диагностики и лечения, нужен ряд последовательных шагов. Это проверка алгоритмов в клинических условиях, создание стандартов безопасности и отчётов, устранение слабых мест в информационных моделях. Здесь особенно важна командная работа разработчиков и врачей.

Источники

1. Tong Y, Lu W, Yu Y, Shen Y. Application of machine learning in ophthalmic imaging modalities. Eye Vis (Lond). 2020 Apr 16;7:22. doi: 10.1186/s40662-020-00183-6. PMID: 32322599; PMCID: PMC7160952.

2. Ting DSW, Pasquale LR, Peng L, Campbell JP, Lee AY, Raman R, Tan GSW, Schmetterer L, Keane PA, Wong TY. Artificial intelligence and deep learning in ophthalmology. Br J Ophthalmol. 2019 Feb;103(2):167-175. doi: 10.1136/bjophthalmol-2018-313173. Epub 2018 Oct 25. PMID: 30361278; PMCID: PMC6362807.

3. Диабетическая ретинопатия [Электронный ресурс]: NHS. URL: https://www.nhs.uk/conditions/diabetic-retinopathy/ (дата обращения: 01.12.2022).

4. Диабетическая ретинопатия [Электронный ресурс]: National Eye Institute. URL: https://www.nei.nih.gov/learn-about-eye-health/eye-conditions-and-diseases/diabetic-retinopathy (дата обращения: 01.12.2022).

5. Abràmoff MD, Lou Y, Erginay A, Clarida W, Amelon R, Folk JC, Niemeijer M. Improved Automated Detection of Diabetic Retinopathy on a Publicly Available Dataset Through Integration of Deep Learning. Invest Ophthalmol Vis Sci. 2016 Oct 1;57(13):5200-5206. doi: 10.1167/iovs.16-19964. PMID: 27701631.

6. FDA разрешает продажу устройства на основе искусственного интеллекта для выявления определенных проблем с глазами, связанных с диабетом [Электронный ресурс]: FDA. URL: https://www.fda.gov/news-events/press-announcements/fda-permits-marketing-artificial-intelligence-based-device-detect-certain-diabetes-related-eye (дата обращения: 01.12.2022).

7. Savoy M. IDx-DR for Diabetic Retinopathy Screening. Am Fam Physician. 2020 Mar 1;101(5):307-308. PMID: 32109029.

8. Возрастная макулярная дегенерация (ВМД) [Электронный ресурс]: National Eye Institute. URL: https://www.nei.nih.gov/learn-about-eye-health/eye-conditions-and-diseases/age-related-macular-degeneration (дата обращения: 01.12.2022).

9. Возрастная макулярная дегенерация (ВМД): Симптомы [Электронный ресурс]: NHS. URL: https://www.nhs.uk/conditions/age-related-macular-degeneration-amd/symptoms/ (дата обращения: 01.12.2022).

10. Burlina PM, Joshi N, Pekala M, Pacheco KD, Freund DE, Bressler NM. Automated Grading of Age-Related Macular Degeneration From Color Fundus Images Using Deep Convolutional Neural Networks. JAMA Ophthalmol. 2017 Nov 1;135(11):1170-1176. doi: 10.1001/jamaophthalmol.2017.3782. PMID: 28973096; PMCID: PMC5710387.

11. Virgili G, Michelessi M, Parodi MB, Bacherini D, Evans JR. Laser treatment of drusen to prevent progression to advanced age-related macular degeneration. Cochrane Database of Systematic Reviews 2015, Issue 10. Art. No.: CD006537. DOI: 10.1002/14651858.CD006537.pub3.

12. Schlanitz FG, Baumann B, Spalek T, Schütze C, Ahlers C, Pircher M, Götzinger E, Hitzenberger CK, Schmidt-Erfurth U. Performance of automated drusen detection by polarization-sensitive optical coherence tomography. Invest Ophthalmol Vis Sci. 2011 Jun 28;52(7):4571-9. doi: 10.1167/iovs.10-6846. PMID: 21474772.

13. Schlanitz FG, Baumann B, Kundi M, Sacu S, Baratsits M, Scheschy U, Shahlaee A, Mittermüller TJ, Montuoro A, Roberts P, Pircher M, Hitzenberger CK, Schmidt-Erfurth U. Drusen volume development over time and its relevance to the course of age-related macular degeneration. Br J Ophthalmol. 2017 Feb;101(2):198-203. doi: 10.1136/bjophthalmol-2016-308422. Epub 2016 Apr 4. PMID: 27044341; PMCID: PMC5293844.

14. Глаукома [Электронный ресурс]: Mayo Clinic. URL: https://www.mayoclinic.org/diseases-conditions/glaucoma/symptoms-causes/syc-20372839 (дата обращения: 01.12.2022).

15. Тест поля зрения [Электронный ресурс]: American Academy of Ophthalmology. URL: https://www.aao.org/eye-health/tips-prevention/visual-field-testing (дата обращения: 01.12.2022).

16. Li F, Wang Z, Qu G, Song D, Yuan Y, Xu Y, Gao K, Luo G, Xiao Z, Lam DSC, Zhong H, Qiao Y, Zhang X. Automatic differentiation of Glaucoma visual field from non-glaucoma visual filed using deep convolutional neural network. BMC Med Imaging. 2018 Oct 4;18(1):35. doi: 10.1186/s12880-018-0273-5. Erratum in: BMC Med Imaging. 2019 May 21;19(1):40. PMID: 30286740; PMCID: PMC6172715.

17. Oh E, Yoo TK, Hong S. Artificial Neural Network Approach for Differentiating Open-Angle Glaucoma From Glaucoma Suspect Without a Visual Field Test. Invest Ophthalmol Vis Sci. 2015 Jun;56(6):3957-66. doi: 10.1167/iovs.15-16805. PMID: 26098462.

18. Катаракта [Электронный ресурс]: Mayo Clinic. URL: https://www.mayoclinic.org/diseases-conditions/cataracts/symptoms-causes/syc-20353790 (дата обращения: 01.12.2022).

19. Wu X, Huang Y, Liu Z, Lai W, Long E, Zhang K, Jiang J, Lin D, Chen K, Yu T, Wu D, Li C, Chen Y, Zou M, Chen C, Zhu Y, Guo C, Zhang X, Wang R, Yang Y, Xiang Y, Chen L, Liu C, Xiong J, Ge Z, Wang D, Xu G, Du S, Xiao C, Wu J, Zhu K, Nie D, Xu F, Lv J, Chen W, Liu Y, Lin H. Universal artificial intelligence platform for collaborative management of cataracts. Br J Ophthalmol. 2019 Nov;103(11):1553-1560. doi: 10.1136/bjophthalmol-2019-314729. Epub 2019 Sep 2. PMID: 31481392; PMCID: PMC6855787.

20. Lin H, Li R, Liu Z, Chen J, Yang Y, Chen H, Lin Z, Lai W, Long E, Wu X, Lin D, Zhu Y, Chen C, Wu D, Yu T, Cao Q, Li X, Li J, Li W, Wang J, Yang M, Hu H, Zhang L, Yu Y, Chen X, Hu J, Zhu K, Jiang S, Huang Y, Tan G, Huang J, Lin X, Zhang X, Luo L, Liu Y, Liu X, Cheng B, Zheng D, Wu M, Chen W, Liu Y. Diagnostic Efficacy and Therapeutic Decision-making Capacity of an Artificial Intelligence Platform for Childhood Cataracts in Eye Clinics: A Multicentre Randomized Controlled Trial. EClinicalMedicine. 2019 Mar 17;9:52-59. doi: 10.1016/j.eclinm.2019.03.001. PMID: 31143882; PMCID: PMC6510889.

21. Имплантаты IOL: замена линз после катаракты [Электронный ресурс]: American Academy of Ophthalmology. URL: https://www.aao.org/eye-health/diseases/cataracts-iol-implants (дата обращения: 01.12.2022).

22. Sramka M, Slovak M, Tuckova J, Stodulka P. Improving clinical refractive results of cataract surgery by machine learning. PeerJ. 2019 Jul 2;7:e7202. doi: 10.7717/peerj.7202. PMID: 31304064; PMCID: PMC6611496.

23. Edwards TL, Xue K, Meenink HCM, Beelen MJ, Naus GJL, Simunovic MP, Latasiewicz M, Farmery AD, de Smet MD, MacLaren RE. First-in-human study of the safety and viability of intraocular robotic surgery. Nat Biomed Eng. 2018 Jun 18;2:649-656. doi: 10.1038/s41551-018-0248-4. PMID: 30263872; PMCID: PMC6155489.

24. Brodie A, Vasdev N. The future of robotic surgery. Ann R Coll Surg Engl. 2018 Sep;100(Suppl 7):4-13. doi: 10.1308/rcsann.supp2.4. PMID: 30179048; PMCID: PMC6216754.

25. Preceys BV — Высокоточная помощь при глазной хирургии [Электронный ресурс]: Preceys BV. URL: https://www.preceyes.nl (дата обращения: 01.12.2022).

26. Hirnschall N, Amir-Asgari S, Maedel S, Findl O. Predicting the postoperative intraocular lens position using continuous intraoperative optical coherence tomography measurements. Invest Ophthalmol Vis Sci. 2013 Aug 5;54(8):5196-203. doi: 10.1167/iovs.13-11991. PMID: 23761092.

27. Mukhiddinov, Mukhriddin & Cho, Jinsoo. (2021). Smart Glass System Using Deep Learning for the Blind and Visually Impaired. Electronics. 10. 2756. 10.3390/electronics10222756.

28. Envision анонсирует умные очки на базе искусственного интеллекта для слепых и слабовидящих [Электронный ресурс]: Envision. URL: https://www.letsenvision.com/blog/envision-announces-ai-powered-smart-glasses-for-the-blind-and-visually-impaired (дата обращения: 01.12.2022).

29. Воспринимать возможность [Электронный ресурс]: Envision. URL: https://www.letsenvision.com (дата обращения: 01.12.2022).

30. Средства для слабовидящих: умные очки при потере зрения [Электронный ресурс]: OXSIGHT. URL: https://www.oxsightglobal.com (дата обращения: 01.12.2022).

31. Nakayama, Luis & Ribeiro, Lucas & Malerbi, Fernando & Regatieri, Caio. (2022). Ophthalmology and Artificial Intelligence: Present or Future? A Diabetic Retinopathy Screening Perspective of the Pursuit for Fairness. Frontiers in Ophthalmology. 2. 898181. 10.3389/fopht.2022.898181.