Google решил заменить офтальмологов компьютером
Глазное дно при пролиферативной диабетической ретинопатии
Clare Gilbert / Community Eye Health / Flickr
Американские и индийские ученые разработали и испытали алгоритм
машинного обучения для диагностики поражения глаз при диабете по
фотоснимкам глазного дна. В ходе испытаний точность диагностики
превысила 90 процентов. Результаты работы опубликованы в JAMA.
Диабетическая ретинопатия (поражение сетчатки глаза в результате
сахарного диабета) демонстрирует наиболее быстрые темпы распространения
среди всех причин слепоты. Ей страдают до 80 процентов людей, живущих
с диабетом 20 и более лет. Риску развития этого заболевания подвергаются
около 415 миллионов жителей Земли. Избежать прогрессирующего ухудшения
зрения и слепоты помогают только своевременные диагностика и лечение.
При этом специалисты по диагностике диабетической ретинопатии не всегда
доступны, особенно в бедных странах, во многих из которых заболеваемость
диабетом высока.
Для потенциальной компенсации нехватки профильного медперсонала
сотрудники Google и ряда других научных центров разработали алгоритм
машинного обучения, представляющий собой глубокую сверточную нейросеть,
оптимизированную для анализа изображений. Для ее обучения использовали
почти 130 тысяч фотографий сетчатки глаза, как здоровой, так и при
различных заболеваниях. Экспертизу этих снимков предварительно провели
54 квалифицированных офтальмолога, которые оценили наличие, степень
и осложнения ретинопатии, а также качество съемки.
Испытания обученного алгоритма провели на двух выборках фотографий
сетчатки: EyePACS-1 (9963 снимка 4997 пациентов, 7,8 процента с
диабетической ретинопатией) и Messidor-2 (1748 снимков 874 пациентов,
14,6 процента с диабетической ретинопатией). Анализ этих снимков провели
семь экспертов. Средние чувствительность и специфичность алгоритма при
анализе этих выборок составили соответственно 90,3 и 98,1 процента
и 87 и 98,5 процента. Подобные результаты соответствуют навыкам
квалифицированного офтальмолога, пишут исследователи.
По их словам, работа над совершенствованием алгоритма продолжается,
для чего были приглашены дополнительные специалисты по заболеваниям
сетчатки. Кроме того, в настоящее время коллеги авторов работы из
компании DeepMind проводят обучение алгоритма по анализу послойных
3D-визуализаций сетчатки, полученных методом оптической когерентной
томографии. Впоследствии планируется объединить эти алгоритмы для
расширения возможностей диагностики.
Автоматизированные методы скрининга с помощью алгоритмов машинного
обучения могут помочь врачам обследовать большее число пациентов и
своевременно направлять их к профильным специалистам в случае выявления
ретинопатии, уверены разработчики. Они также отметили, что проводят
испытания технологии в полевых условиях в разных регионах мира и ведут
переговоры с регуляторными органами о проведении клинических испытаний.
Благодаря успехам машинного обучения его применение в медицине все
больше интересует разработчиков по всему миру. Так, например, его
успешно применили для выявления депрессии у пользователей Instagram и диагностики нейродегенеративных заболеваний по рисунку часов. Компания IBM занимается разработкой
программы под кодовым названием Avicenna, в которой алгоритмы учатся
распознавать заболевания на рентгеновских снимках и томограммах.
Олег Лищук
Источник: cont.ws.
Рейтинг публикации:
|
