Max Home IndustryНовый подход, использующий искусственный интеллект для анализа изображений сетчатки, однажды может помочь врачам выбрать лучшее лечение для пациентов с потерей зрения из-за диабетического макулярного отека. Это осложнение диабета — основная причина потери зрения у взрослых трудоспособного возраста.
Препараты против фактора роста эндотелия сосудов (VEGF) широко используются в качестве первой линии терапии диабетического макулярного отека, но они работают не для всех. Необходимо определить, кому будет полезна терапия, поскольку она требует многократных инъекций, которые являются дорогостоящими и обременительными как для пациентов, так и для врачей.
«Мы разработали алгоритм, который можно использовать для автоматического анализа изображений сетчатки с помощью оптической когерентной томографии (ОКТ), чтобы предсказать, ответит ли пациент на лечение анти-VEGF», — сказала руководитель исследовательской группы Сина Фарсиу из Университета Дьюка. . «Это исследование представляет собой шаг к точной медицине, в которой такие прогнозы помогают клиницистам лучше выбирать терапию первой линии для пациентов на основе конкретных болезненных состояний».
В журнале The Optical Society (OSA) Biomedical Optics Express Фарсиу и его коллеги показывают, что новый алгоритм может анализировать только одно объемное сканирование до лечения, чтобы точно предсказать, будет ли пациент реагировать на терапия против VEGF.
«Наш подход потенциально может быть использован в офтальмологических клиниках для предотвращения ненужного и дорогостоящего лечения методом проб и ошибок и, таким образом, облегчения значительного бремени лечения для пациентов», — сказал Фарсиу. «Алгоритм также может быть адаптирован для прогнозирования терапевтического ответа при многих других заболеваниях глаз, включая неоваскулярную возрастную дегенерацию желтого пятна».
Прогнозирование реакции на лечение Алгоритм, разработанный исследователями, основан на новой архитектуре сверточной нейронной сети (CNN), типе искусственного интеллекта, который может анализировать изображения, приписывая важность различным аспектам или объектам. Они использовали алгоритм для изучения изображений, полученных с помощью ОКТ, неинвазивной технологии, которая позволяет получать поперечные изображения сетчатки с высоким разрешением и является стандартом для оценки и лечения многих заболеваний глаз.
«В отличие от ранее разработанных подходов, наш алгоритм требует ОКТ-изображений только с одной временной точки до лечения», — сказал Реза Расти, первый автор статьи и научный сотрудник лаборатории Фарсиу. «Нет необходимости в ОКТ-изображениях временных рядов, записях пациентов или других метаданных для прогнозирования терапевтического ответа».
Новый алгоритм сохраняет и выделяет глобальные структуры на ОКТ-изображении, одновременно улучшая локальные особенности пораженных участков, чтобы эффективно использовать информацию о толщине сетчатки. Чтобы помочь в принятии решения о лечении, исследователи включили дополнительный этап, который ищет закодированные CNN функции, которые сильно коррелируют с ответом против VEGF.
Тестирование алгоритма Исследователи протестировали свой новый алгоритм с изображениями ОКТ 127 пациентов, которые лечились от диабетического макулярного отека с помощью трех последовательных инъекций анти-VEGF агентов. Они применили алгоритм для анализа изображений ОКТ, сделанных до инъекций анти-VEGF, затем сравнили прогнозы алгоритма с изображениями ОКТ, полученными после терапии анти-VEGF, чтобы подтвердить, улучшила ли терапия состояние.
Основываясь на результатах, исследователи подсчитали, что алгоритм имеет 87-процентную вероятность правильно предсказать, кто отреагирует на лечение. Он показал среднюю точность и специфичность 85 процентов и чувствительность 80 процентов.
Затем исследователи планируют подтвердить и расширить результаты этого пилотного исследования, выполнив более масштабное обсервационное исследование пациентов, которые еще не прошли лечение.