В исследовании, опубликованном в журнале JAMA Ophthalmology, ученые из Университета здоровья и науки Орегона (Oregon Health & Science University, OHSU) совместно с международными коллегами представили технологию на основе искусственного интеллекта (ИИ), способную самостоятельно выявлять все тяжелые случаи ретинопатии недоношенных (РН) — состояния, приводящего к слепоте у младенцев, родившихся преждевременно.

Понимание ретинопатии недоношенных (РН)


Ретинопатия недоношенных является причиной слепоты у таких известных личностей, как музыкант Стиви Уандер. Заболевание характеризуется аномальным ростом кровеносных сосудов вблизи сетчатки — светочувствительного слоя в заднем отделе глаза. Ежегодно около 2 миллионов младенцев рождаются недоношенными, что подвергает их риску развития РН. В тяжелых случаях заболевание приводит к слепоте примерно у 500 детей в Соединенных Штатах и около 50 000 по всему миру. Неравенство в доступности лечения особенно выражено в странах с низким и средним уровнем дохода, где нехватка офтальмологов усугубляет ситуацию.

Роль ИИ в борьбе с ретинопатией недоношенных


Дж. Питер Кэмпбелл (J. Peter Campbell), доктор медицины, магистр здравоохранения, ответственный автор исследования и доцент кафедры офтальмологии Медицинской школы OHSU и Офтальмологического института Casey при OHSU, заявил: "РН является ведущей причиной слепоты у детей в США и мире, представляя собой значительную, но во многом предотвратимую проблему в борьбе со слепотой". Он подчеркнул критическую нехватку врачей, обученных лечению РН по всему миру, и отметил потенциал ИИ для заполнения этого пробела путем проведения скрининга у постели пациента и направления срочных случаев на лечение.

Система глубокого обучения i-ROP


В основе инновации лежит система глубокого обучения i-ROP Deep Learning system, разработанная Майклом Чаном (Michael Chiang), доктором медицины, и его командой во время работы в OHSU (в настоящее время Чан является директором Национального института глаза Национальных институтов здравоохранения). В отличие от традиционных методов, требующих ручного анализа изображений сетчатки офтальмологами, данный алгоритм ИИ автономно выявляет аномалии. Предыдущие исследования подтвердили его точность в диагностике РН и пригодность для удаленного использования через телемедицину, что расширяет доступ к помощи.


Последнее исследование ознаменовало собой первую успешную реальную клиническую реализацию автономного ИИ-скрининга РН. Система проанализировала почти 12 000 изображений сетчатки более 4000 младенцев, полученных в отделениях интенсивной терапии новорожденных в США и Индии. Она впечатляюще выявила 100% всех тяжелых случаев РН и точно обнаружила 80% случаев средней и более чем легкой степени тяжести, продемонстрировав свою эффективность за пределами контролируемых экспериментальных условий, где многие алгоритмы ИИ дают сбои из-за расхождений между обучающими данными и реальным применением.

Глобальное влияние и будущие направления


Система i-ROP Deep Learning system была разработана в сотрудничестве с Массачусетской больницей общего профиля, Северо-Восточным университетом, Университетом Иллинойса в Чикаго и консорциумом i-ROP. В 2020 году Управление по санитарному надзору за качеством пищевых продуктов и медикаментов США (Food and Drug Administration) присвоило системе статус "прорывной технологии" (breakthrough status) для ускорения ее разработки. Кэмпбелл, также являющийся генеральным директором компании Siloam Vision, которая лицензировала технологию, проводит клинические испытания для оценки ее безопасности и эффективности. Кроме того, через партнерство с организацией Orbis International технология внедряется в странах с низким и средним уровнем дохода, что обещает снизить глобальное бремя РН.


После получения необходимых регуляторных одобрений РН станет вторым заболеванием глаз после диабетической ретинопатии, которое можно будет автономно выявлять с помощью ИИ. Это событие ознаменовало значительный скачок в использовании искусственного интеллекта для повышения доступности и эффективности здравоохранения, особенно в недостаточно обслуживаемых регионах, и открыло новые возможности для предотвращения слепоты среди уязвимых групп населения по всему миру.

Источник


Aaron S. Coyner et al, Multinational External Validation of Autonomous Retinopathy of Prematurity Screening, JAMA Ophthalmology (2024). DOI: 10.1001/jamaophthalmol.2024.0045