Forscher wollen KI für die Früherkennung und Prognose des Trockenen Auges nutzen

Das Trockene Auge (DED) ist eine der häufigsten Augenkrankheiten und betrifft bis zu 30 % der Weltbevölkerung. Diese Krankheit kann viele verschiedene Arten von Menschen betreffen und letztendlich zu einer großen Beeinträchtigung ihrer allgemeinen Lebensqualität führen. Eine frühzeitige Untersuchung und Prognose ist für den Krankheitsverlauf des Patienten von entscheidender Bedeutung. Dies kann jedoch schwierig sein. In dieser Studie wollen Forscher künstliche Intelligenz (KI) nutzen, um die Früherkennung und Prognose von KCS zu unterstützen. Der Einsatz von KI kann das Screening nicht nur für Einzelpersonen zugänglicher machen, sondern auch Patienten bei personalisierten therapeutischen Interventionen unterstützen.

Die Forscher veröffentlichten ihre Ergebnisse in Big Data Mining und Analytics am 22. April.

KCS kann ein breites Spektrum von Menschen betreffen, einschließlich Menschen, die Kontaktlinsen tragen, Make-up tragen, lange aufbleiben, lange auf Bildschirme schauen und über 30 Jahre alt sind. Symptome dieser Krankheit sind trockene Augen, Reizung und Brennen, Tränen, Augenermüdung und Schmerzen. Man kann leicht erkennen, dass diese Krankheit das Potenzial hat, einen großen Teil der modernen Weltbevölkerung drastisch zu beeinträchtigen. Hier können die gemeinsamen Anstrengungen der Augenkrankheitserkennung und der Welt der Informatiker und Ingenieure helfen.

Durch die Bewältigung von Herausforderungen, die Vermittlung von Erkenntnissen und die Abgrenzung zukünftiger Forschungspfade trägt es durch ausgefeilte technologische Modalitäten wesentlich zur Weiterentwicklung der Erkennung von Augenkrankheiten bei.“

Mini Han Wang, Autor und Forscher

Es gibt sieben Facetten dieser KI-basierten Krankheitserkennung. Rechtzeitiges Eingreifen über den KI-Screening-Prozess und korrekte Prognose ist der erste Teil. Der Einsatz umfassender Umfragen zum Trockenen Auge durch KI ist ein weiterer Aspekt. Dies ist ein unterstützendes Prinzip, um ein gewisses Maß an Gründlichkeit und Vertrauenswürdigkeit während des gesamten Prozesses sicherzustellen. Es folgt ein systematischer Ansatz sowie die Verbindung von Informatik und Ingenieurwesen mit der Augenheilkunde. Anschließend müssen Standards für die KCS-Erkennung entwickelt und für zukünftige Forscher und Praktiker eingehalten werden, was natürlich zu Fortschritten auf diesem Gebiet führen wird. Schließlich müssen alle Forschungsergebnisse, Methoden und Werkzeuge zusammengestellt werden, damit Forscher, Wissenschaftler und Praktiker alle derzeit verfügbaren Informationen zur Verfügung haben.

Während die Augenärzte die Leitlinien für den Krankheitsrahmen festlegen und die Diagnose kennzeichnen, übernimmt die KI einen Großteil der Schwerstarbeit. Im Idealfall würde diese KI Bilder und Videos verwenden, die vom Mobiltelefon eines Benutzers aufgenommen wurden, um Benutzer auf der ganzen Welt zu erreichen. Die KI kann dann diese Bilder sowie Risikofaktoren im Leben des Patienten nutzen, um eine intelligente und fundierte Prognose zu erstellen. Darüber hinaus lernt die KI kontinuierlich dazu und kann dazu beitragen, die Forschung voranzutreiben, indem sie zu Vorhersagemodellen für die KCS beiträgt.

Der Einsatz der KI-Erkennung bei Trockenem Auge ist vielversprechend, insbesondere wenn man bedenkt, dass es sich bei den Risikofaktoren oft um normale Aktivitäten im Alltag vieler Menschen handelt. Um die Nachweismethoden ausreichend zugänglich und genau genug zu machen, müssen weitere Untersuchungen durchgeführt werden.

„Allerdings gibt es für Ingenieure immer noch Herausforderungen bei der Auswahl der Diagnosestandards und Kombinationen verschiedener Arten von Datensätzen. Durch die Verwendung vertrauenswürdiger Algorithmen sowie von Mobiltelefonen aufgenommener Bilder und Videos zur Zugänglichkeit ist ein ganzheitlicher Gesundheitsansatz für die Früherkennung möglich“, sagte er Wang.

Durch kontinuierliche Tests und die Zusammenarbeit zwischen Ingenieuren und Augenärzten besteht ein großes Potenzial dafür, dass diese Testmethode zur Früherkennung von Trockenem Auge und anschließenden therapeutischen Maßnahmen für den Patienten beitragen kann, um eine Verschlechterung des Zustands zu lindern oder etwas Lebensqualität wiederherzustellen.

Mini Han Wang und Xiangrong Yu vom Zhuhai People’s Hospital mit Mini Han Wang ebenfalls von der Abteilung für Augenheilkunde und visuelle Wissenschaften der Chinesischen Universität Hongkong, der Fakultät für Datenwissenschaften der City University of Macau und der Abteilung für Big Data an der Zhuhai Institute of Advanced Technology an der Chinesischen Akademie der Wissenschaften, Lumin Xing vom First Affiliated Hospital der Shandong First Medical University, Yi Pan vom Shenzhen Institute of Advanced Technology der Chinesischen Akademie der Wissenschaften, Feng Gu vom College of Staten Island in der Stadt University of New York, Junbin Fang vom Department of Optoelectronic Engineering der Jinan University, Chi Pui Pang, Kelvin KL Chong, Carol Yim-Lui Cheung und Xulin Liao vom Department of Ophthalmology and Visual Sciences der Chinese University of Hong Kong, Xiaoxiao Fang mit dem Zhuhai Aier Eye Hospital, Jie Yang vom College of Artificial Intelligence am Chongqing Industry and Trade Polytechnic, Ruoyu Zhou und Wenjian Liu mit der Fakultät für Datenwissenschaft der City University of Macao, Xiaoshu Zhou mit dem Center for Science and Technology Exchange und Zusammenarbeit zwischen China und portugiesischsprachigen Ländern, und Fengling Wang von der School of Artificial Intelligence an der Hezhou University trugen zu dieser Forschung bei.

Die National Natural Science Foundation von China Natural, das Shenzhen Key Laboratory of Intelligent Bioinformatics, das Shenzhen Science and Technology Program, die Guangdong Basic and Applied Basic Research Foundation, die Zhuhai Technology and Research Foundation, das Project of Humanities and Social Science of MOE, Das Wissenschafts- und Technologieforschungsprogramm der Chongqing Municipal Education Commission und die Natural Science Foundation of Chongqing China machten diese Forschung möglich.

Quellen: