Αλγόριθμος AI και γλαύκωμα: Μια νέα προοπτική
Η χρήση της τεχνητής νοημοσύνης (AI) στην ανίχνευση γλαυκώματος έχει αποδειχθεί προκλητική, καθώς το γλαύκωμα δεν είναι μία μόνο ασθένεια. Η διάγνωση του γλαυκώματος βασίζεται σε μια σειρά συμπτωμάτων, διαγνωστικών εξετάσεων και μακροχρόνιων δεδομένων. Παρ’ όλα αυτά, η έρευνα για την εφαρμογή της AI στη διάγνωση του γλαυκώματος συνεχίζεται, καθώς η τεχνολογία αυτή έχει τη δυνατότητα να βελτιώσει σημαντικά την ανίχνευση ενός από τους πιο υποδιαγνωσμένους παράγοντες απώλειας όρασης παγκοσμίως.
Η μελέτη και τα αποτελέσματά της
Μια νέα μελέτη που παρουσιάστηκε κατά τη διάρκεια της 129ης ετήσιας συνάντησης της Αμερικανικής Ακαδημίας Οφθαλμολογίας προσθέτει στην αυξανόμενη βάση ερευνών. Δείχνει ότι ένας αλγόριθμος μηχανικής μάθησης ήταν πιο ακριβής από εκπαιδευμένους ανθρώπινους κριτές στην αναγνώριση ασθενών που διατρέχουν κίνδυνο γλαυκώματος. Οι ερευνητές από το University College London Institute of Ophthalmology και το Moorfields Eye Hospital χρησιμοποίησαν 6,304 εικόνες fundus που συγκεντρώθηκαν από μια μεγάλη, πληθυσμιακή μελέτη (EPIC-Norfolk Eye Study) για να συγκρίνουν την ακρίβεια του αλγορίθμου και ενός εκπαιδευμένου κριτή στην εκτίμηση ενός βασικού μέτρου του γλαυκώματος, του κάθετου λόγου κύπελλου-δίσκου. Ένας ειδικός γλαυκώματος εξέτασε τους ασθενείς για να επιβεβαιώσει τη διάγνωση.
Συμπεράσματα και προοπτικές
Τα αποτελέσματα έδειξαν ότι ο αλγόριθμος αναγνώρισε σωστά τους ασθενείς με γλαύκωμα σε ποσοστό 88 έως 90%, ενώ οι ανθρώπινοι κριτές ήταν σωστοί σε ποσοστό 79 έως 81%. Ο αλγόριθμος δεν διαχώρισε μεταξύ εκείνων που είχαν γλαύκωμα και εκείνων που θα μπορούσαν να έχουν γλαύκωμα. Οι συγγραφείς της μελέτης επισημαίνουν ότι η έρευνά τους διαφέρει από προηγούμενες μελέτες, καθώς ο αλγόριθμος δοκιμάστηκε σε μια ομάδα ασθενών που αντικατοπτρίζει καλύτερα το εύρος των ασθενών που θα συναντηθούν κατά τη διάρκεια μιας τυπικής εξέτασης, με μόλις το 11% των ματιών στη βάση δεδομένων να είναι ύποπτα για γλαύκωμα.
Ο επικεφαλής ερευνητής, Anthony Khawaja, PhD, FRCOphth, εξέφρασε την έκπληξή του για την έκταση της υπεροχής της μηχανικής μάθησης σε σχέση με τους ανθρώπινους εξεταστές. Είναι αισιόδοξος ότι η τεχνολογία αυτή θα μπορούσε τελικά να χρησιμοποιηθεί ως ένα οικονομικά αποδοτικό εργαλείο για την αρχική ανίχνευση γλαυκώματος. Αν και ο Δρ. Khawaja σημειώνει ότι η διαδικασία ανίχνευσης θα μπορούσε να βελτιώσει την ακρίβεια του αλγορίθμου περιλαμβάνοντας άλλους δείκτες κινδύνου γλαυκώματος, όπως η ενδοφθάλμια πίεση.
Το γλαύκωμα παραμένει μία από τις πιο κοινές αιτίες απώλειας όρασης που δεν μπορεί να αποκατασταθεί παγκοσμίως. Μέχρι σήμερα, η ανίχνευση του γλαυκώματος είναι πολύ δαπανηρή, αλλά ελπίζεται ότι οι λύσεις τεχνητής νοημοσύνης, σε συνδυασμό με άλλες προσεγγίσεις όπως η στόχευση με βάση τον γενετικό κίνδυνο, θα αποτελέσουν τη λύση.
