Прогрес у ШІ для аналізу зображень сітківки

Нещодавні інновації також спрямовані на виявлення судин сітківки, незважаючи на варіації морфології судин і переповнений фон. Крім того, була представлена модель глибокої конволюційної нейронної мережі (CNN) для виявлення судин сітківки.  Незважаючи на ці досягнення, залишаються проблеми у виявленні неоваскулярних змін, пов’язаних з діабетичною ретинопатією (ДР).

Крім того, нові підходи, такі як інтеграція мереж передачі стилю з мережами реєстрації, покращили вирівнювання та точність зображення. Проте перевірка даних візуалізації сітківки в реальних умовах залишається обов’язковою. Дослідження показало розбіжності між моделями штучного інтелекту в контрольованих дослідженнях порівняно з реальними клінічними умовами, підкреслюючи необхідність комплексної перевірки перед широким клінічним впровадженням.

ШІ в ОКТ зображенні

ОКТ допомагає виявити інтра- та субретинальне накопичення рідини та аномалії товщини шару сітківки, які є критичними біомаркерами в діагностиці та лікуванні численних патологій сітківки, таких як діабетичний макулярний набряк, ВМД, оклюзії вени сітківки та центральна серозна ретинопатія (CSR).  Ранні застосування глибокого навчання (Deep Learning) в OCT включали виявлення меж шарів сітківки, критичний крок для оцінки станів. У дослідженнях досягли 96,7% точності сегментації пігментного епітелію сітківки за допомогою технології глибокого навчання на 1022 ОКТ зображеннях ділянки макули, що свідчить про значний прогрес у візуалізації сітківки.

У наступних моделях глибокого навчання були вдосконалені алгоритми, які продемонстрували чудову продуктивність у виявленні меж шару сітківки, наприклад внутрішньої обмежувальної мембрани та пігментного епітелію сітківки.

Розроблений алгоритм глибокого навчання, який виявляв інтраретинальну та субретинальну рідину з 91% точністю, що можна порівняти з експертними висновками фахівців з сітківки. Також створена модель, здатна проводити скринінг діабетичної ретинопатії та визначення стадії захворювання за допомогою ОКТ та ОКТ-ангіографії з високою точністю. Також було проведено тестування на оклюзію, щоб ідентифікувати накопичення рідини на зображеннях ВМД, створюючи теплові карти, які виділяли ділянки, потенційно пропущені людьми. Ці досягнення демонструють корисність глибокого навчання у підвищенні діагностичної точності та визначення стадії захворювань сітківки, що робить його цінним інструментом для прийняття клінічних рішень.

Роблячи ще один крок далі, дослідники розробили алгоритм штучного інтелекту (Deepeye), який використовує ОКТ-зображення для визначення активності захворювання ВМД і надання рекомендацій щодо лікування, щоб допомогти клініцистам оптимізувати результати за допомогою анті-VEGF терапії.

Офтальмологічна діагностика відіграватиме важливу роль і у мультимодальній візуалізації, оскільки наші очі є вікном у наше здоров’я. За допомогою візуалізації сітківки можна спостерігати різні системні порушення.

Використання ОКТ-ангіографії з технологією штучного інтелекту дозволить легко та швидко візуалізувати будь-які ознаки зменшення кількості кровоносних судин і кровотоку в сітківці, а також діагностувати будь-який потенційний набряк і запалення зорового нерва, що має тісний зв’язок із прогнозуванням невриту зорового нерва, який потенційно може розвинутись у  розсіяний склероз.

Ризик розвитку розсіяного склерозу після епізоду невриту зорового нерва коливається від 42% до 63%, приблизно 50/50. Для прогнозування прогресування невриту зорового нерва до розвитку розсіяного склерозу застосовують МРТ діагностику, таким чином методи ОКТА та МРТ взаємно доповнюють один одного.

Canon Medical допомагає підвищити точність діагностики офтальмологічних захворювань, пропонуючи системи оптичної когерентної томографії, які прості в експлуатації та швидко забезпечують зображення високої якості з низьким рівнем шуму.

Технологія Intelligent Denoise від Canon – це технологія поглибленої обробки на основі штучного інтелекту, що пропонує нову якість ОКТА зображень на основі індивідуальних сканів – без необхідності захвату та усереднення декількох зображень. Революційна технологія дозволяє отримати зображення зі значно меншими шумами, та кращою деталізацією за декілька секунд. Штучний інтелект допомагає берегти час та покращити отримане зображення (Рис.2).