Возможности и проблемы технологии искусственного интеллекта в офтальмологии

В 2020 году объем мирового рынка систем на основе искусственного интеллекта (artificial intelligence, AI) в здравоохранении составил около $6,7 млрд. Согласно оценкам, в период с 2021 по 2028 год эта цифра, скорее всего, будет расти с CAGR (совокупный годовой темп роста) 41,8%. Действительно, искусственный интеллект уже присутствует в различных аспектах здравоохранения, включая офтальмологию.

Влияние AI-технологий в офтальмологии значительно. Факты подтверждают, что AI может улучшить доступ пациентов к клиническому обследованию, диагностике, а также снизить затраты, особенно в группах высокого риска.

В статье, опубликованной в International Journal of Ophthalmology, было установлено, что по сравнению с клиническим обследованием чувствительность и точность AI в области выявления глазных заболеваний были следующими:

• Возрастная макулярная дегенерация - от 75% до 100%
• Катаракта - более 70%
• Глаукома - от 63,7% до 93,1%
• Непролиферативная диабетическая ретинопатия - от 75% до 94,7%
• Пролиферативная диабетическая ретинопатия - от 75% до 91%
• Окклюзия вен сетчатки - более 97%
• Ретинопатия недоношенных - более 95%

В одной из последних работ на эту тему было показано, что использование таких технологий может быть полностью и частично автоматизированным. Полностью автоматизированная модель AI будет работать без участия человека. Искусственный интеллект мог бы инициировать направление на прием к офтальмологу, когда это необходимо. Он также мог бы определять, какие пациенты подходят для наблюдения на уровне поликлиники. С другой стороны, полуавтоматизированная модель AI работает с участием человека различными способами, которые служат только для улучшения классификации, сделанной с помощью технологии глубокого обучения. Технология AI сможет заполнить все пробелы в процессе скрининга и тем самым окажется экономически эффективным решением в офтальмологии.

Область офтальмологии является благодатной почвой для искусственного интеллекта и исследований, связанных с ним. В офтальмологии искусственный интеллект включает в себя множество методов, устройств и подходов, в том числе цветную фундус-фотографию, компьютеризированное поле зрения и оптическую когерентную томографию.

Сегодня существует широкий спектр подходов к созданию систем искусственного интеллекта для обнаружения и автоматического измерения патологических признаков на изображении глаза. К ним относятся:

• Простые автоматические детекторы - простейшая форма искусственного интеллекта
• Базовое машинное обучение - алгоритм получает основные правила, касающиеся особенностей заболевания, а также изображения пораженного и непораженного глаза. Затем машина "учится" различиям.
• Продвинутое машинное обучение - содержит один или два слоя небольших вычислительных единиц, которые связаны между собой и имитируют многослойную структуру зрительной коры. Например, она может связывать определенные выходы детекторов признаков заболевания с диагностическими выходами.
• Глубокое обучение с помощью конволюционных нейронных сетей - множество взаимосвязанных нейронных слоев, работает для постановки диагнозов, похожих на те, которые ставят человеческие специалисты.
• Обучение на основе признаков заболевания в сравнении с обучением на основе изображений - многие исследователи, разрабатывающие AI в офтальмологии, предпочитают разрабатывать алгоритмы машинного обучения в соответствии с клинически известными характеристиками заболевания.

Основные проблемы при внедрении

Хотя AI может произвести революцию в офтальмологии, внедрение этой технологии также сопряжено с серьезными проблемами, которые необходимо решать. Эти проблемы носят практический, технический и социокультурный характер.

Обеспечение влияния искусственного интеллекта в офтальмологии сопряжено с целым рядом проблем. Самая большая проблема при внедрении AI в офтальмологии - сделать его максимально практичным. Для этого может потребоваться объединение нескольких систем с производительностью, приемлемой с клинической точки зрения. Но эти системы также должны быть способны получать изображения от часто используемых устройств, даже если качество этих изображений варьируется. Другие практические задачи включают отбор пациентов, решение проблемы неправильно классифицированных пациентов, таких как ложноположительные и отрицательные результаты, и ограничительный характер систем глубокого обучения, которые годятся для независимой классификации только одного заболевания, связанного с глазами, за один раз. Что происходит в сценарии неправильной классификации - также практическая проблема, которую необходимо решить для определения ответственности, т.е. несет ли ответственность поставщик AI или врач.

Еще одна критика со стороны врачей заключается в том, что такие системы часто работают как черные ящики, делая выводы без объяснения того, на чем они основаны. Объяснение особенно важно в тех случаях, когда требуются учитывать определенные нюансы и проводить наблюдения, чтобы прийти к правильному медицинскому заключению. Это проблема существует не только в офтальмологии, это скорее особенность таких технологий, и разработчики стараются ее решать.

Например, ученые из медицинского центра университета Радбода в г. Неймеген (Нидерланды) разработали новый алгоритм искусственного интеллекта для выявления диабетической ретинопатии и возрастной макулярной дегенерации. Алгоритм при этом аннотирует изображения, чтобы показать, к каким повреждениям он относится, помогая врачу принимать решения. При этом алгоритм идентифицирует поражения сетчатки на снимке, и эти поражения на изображении окрашиваются при помощи метода, называемого селективной окраской. Модифицированное изображение снова вводится в алгоритм, который восстанавливает его, идентифицирует дальнейшие повреждения, которые он находит, и повторяет процесс идентификации и окраски до тех пор, пока все поражения не будут найдены и помечены. AI при этом выступает не в качестве диагноста, а скорее помощника врача.

Наиболее значительной технической проблемой при внедрении AI является необходимость в адекватных обучающих данных и внешней валидации. Внедрение искусственного интеллекта также требует маркировки входных данных для процесса обучения - задача, требующая использования экспертов-практиков. В результате возрастает риск человеческой ошибки. Весь процесс маркировки наборов данных и калибровки системы может занять много времени и тем самым задерживает внедрение AI. Как существующие, так и появляющиеся методы AI в офтальмологии требуют консенсуса экспертов и разработки стандартов и руководств для оценки производительности и точности этих систем.

Внедрение AI в клиническую практику сопровождается различными социально-культурными проблемами. Многие из этих проблем связаны с обычными различиями в доступе к здравоохранению. В качестве примера мы можем взять Азию или Россию. Здесь имеют место значительные различия в доступе к здравоохранению, а также в расходах и потреблении в отрасли здравоохранения. Многие районы имеют ограниченные ресурсы, неадекватную инфраструктуру и другие факторы, которые могут повлиять на внедрение и эффективность искусственного интеллекта.

В то время как некоторые части таких регионов являются одними из самых богатых и развитых мест в мире, другие имеют ненадежный Интернет и даже возможные проблемы с электричеством. В таких условиях внедрение искусственного интеллекта является сложной задачей.

Внедрение искусственного интеллекта - это не просто установка программного обеспечения и устройств. Несмотря на то, что мы живем в 21 веке, мы все еще наблюдаем значительные различия в отрасли здравоохранения. У многих больниц по всему миру нет финансов для внедрения технологий искусственного интеллекта. Отсутствие инфраструктуры и проблемы с Интернетом также являются серьезными проблемами.

Искусственный интеллект становится вездесущим; он используется во многих отраслях, включая здравоохранение. Использование AI-технологии в офтальмологии связано с высокой чувствительностью и точностью, экономичностью и улучшением процессов при минимальном участии человека. Однако внедрение AI имеет ряд проблем, которые необходимо решить для упрощения процессов скрининга и диагностики. По мере развития технологий будет развиваться и AI в офтальмологии. Одно можно сказать наверняка: будет интересно следить за последними разработками в области AI и увидеть, как они могут улучшить скрининг и диагностику пациентов.

По материалам AI+ Info, International Journal of Ophthalmology, Medgadget.com, IEEE Transactions on Medical Imaging, Ophthalmology Times Europe.