Не хуже офтальмолога
Лили Пэн (Lily Peng) и ее коллеги из исследовательского отдела «Гугл» опубликовали статью, в которой описывают автоматизированную систему, способную сканировать сетчатку глаза и идентифицировать диабетическую ретинопатию. Для этого в программу были загружены изображения сетчатки, которые вручную были проверены врачами-офтальмологами.
Сахарный диабет широко распространен по всему миру. Каждый диабетик подвержен риску развития диабетической ретинопатии – поражения сетчатки, способного привести к грозным исходам вплоть до полной и необратимой потери зрения.
Коварство диабетической ретинопатии заключается в том, что на ранней стадии сам пациент не ощущает никаких изменений со стороны зрения. По мере прогрессирования заболевания удержать его «в узде» все сложнее. Поэтому критически важную роль играет своевременное выявление ретинопатии и постоянное наблюдение за состоянием сетчатки. С этой целью всем диабетикам рекомендуется ежегодно проходить полное офтальмологическое обследование даже при отсутствии жалоб.
В более ранней работе Пэн и коллеги описали использование нейронных сетей – сложных математических моделей для идентификации закономерностей – для распознавания диабетической ретинопатии. Тысячи снимков сетчатки были загружены в специальную программу, чтобы «научить» эти нейронные сети определять микрокровоизлияния и прочие начальные признаки диабетического поражения сетчатки. Тогда авторы писали, что их программа работает не хуже среднестатистического врача-офтальмолога.
Тем не менее, классификация степени диабетической ретинопатии очень сложна даже для практикующего врача. А от степени поражения напрямую зависит тактика ведения пациента, которая может ограничиться лишь динамическим наблюдением или потребовать проведения лазерной или интервенционной хирургии.
Цель новой работы – усовершенствовать диагностику, осуществляемую искусственным интеллектом от «Гугл». Для этого исследователи привлекли к работе группу узких специалистов, посвятивших годы практики заболеваниям сетчатки. Они вручную перебрали все загруженные в программу снимки и откорректировали описания изображений, принимая каждое решение коллегиально после обсуждения. Таким образом удалось исключить влияние таких артефактов, как пыль, нечеткость снимка и прочих, а также уточнить и идентифицировать мельчайшие изменения, упущенные ранее.
Исправленные данные были загружены в программу, это в разы повысило ее диагностическую точность, которая, по словам специалистов, описывавших снимки, превышает средний уровень диагностики в медицинских учреждениях.
Данная работа дает основу для дальнейших исследований, она призвана помочь практикующим врачам и их пациентам, а также значительно повышает уровень стандартов в области автоматизированных медицинских систем.
Статья J. Krause et al. Grader Variability and the Importance of Reference Standards for Evaluating Machine Learning Models for Diabetic Retinopathy опубликована в журнале Ophthalmology.
Аминат Аджиева, портал «Вечная молодость» http://vechnayamolodost.ru по материалам American Academy of Ophthalmology: Google’s AI Program: Building Better Algorithms for Detecting Eye Disease.