Sztuczna inteligencja sprzyja wczesnemu wykrywaniu i leczeniu krótkowzroczności

Sztuczna inteligencja sprzyja wczesnemu wykrywaniu i leczeniu krótkowzroczności

Coraz częstsze występowanie krótkowzroczności jest globalnym problemem zdrowotnym, a wysoka krótkowzroczność zwiększa ryzyko uszkodzenia wzroku. Wymaga to wykorzystania sztucznej inteligencji (AI) do wczesnej diagnostyki, zapobiegania i leczenia krótkowzroczności. Cóż, ABadanie pediatrycznePrzegląd podkreśla potencjalne zastosowania sztucznej inteligencji we wczesnej identyfikacji, ocenie ryzyka i zapobieganiu krótkowzroczności. Następnie przedstawiono wyzwania i obecny stan rozwoju technologii AI w dziedzinie krótkowzroczności.

Krótkowzroczność lub krótkowzroczność dotyka dwa miliardy ludzi na całym świecie. Nieskorygowana krótkowzroczność może wpływać na wzrok, zakłócać edukację, perspektywy zawodowe i jakość życia. Szacuje się, że do roku 2050 prawie połowa światowej populacji będzie cierpieć na krótkowzroczność. Wysoka krótkowzroczność często wiąże się z powikłaniami, które mogą prowadzić do upośledzenia wzroku, wpływając na jakość życia pacjentów i zwiększając globalne obciążenie medyczne i ekonomiczne. Dlatego wczesne rozpoznanie krótkowzroczności jest ważne w celu zapobiegania zaburzeniom wzroku u pacjentów z krótkowzrocznością.

Sztuczna inteligencja (AI) otworzyła nowe granice w dziedzinie medycyny i może być rozwiązaniem dla tej globalnej firmy z branży opieki zdrowotnej. Podgrupy sztucznej inteligencji, takie jak zaawansowane technologie, takie jak uczenie maszynowe (ML) i głębokie uczenie się (DL), mogą pomóc w analizowaniu danych w celu diagnozowania chorób i przewidywania czynników ryzyka, biomarkerów i wyników.

W nowym przeglądzie literatury dr Li Li, dr Jifeng Yu i dr Nan Liu, wszyscy z Katedry Okulistyki Stołecznego Uniwersytetu Medycznego w Chinach, podsumowali zastosowania i wyzwania związane ze sztuczną inteligencją w krótkowzroczności, w tym wykrywanie, ocenę czynników ryzyka i modele predykcyjne. Badanie to opublikowano w czasopiśmie Journal ofBadanie pediatryczne18 marca 2025 r.

Co ciekawe, modele AI można trenować za pomocą ML/DL w celu wykrywania krótkowzroczności na podstawie zdjęć dna oka i obrazów optycznej tomografii koherentnej. Dostarczając modelowi duży zestaw obrazów dna oka pacjentów z krótkowzrocznością, można nauczyć sztuczną inteligencję wykrywać drobne zmiany koloru i wzoru w siatkówce, które są powiązane z krótkowzrocznością. Dzięki temu model może diagnozować przyszłych pacjentów na podstawie zdjęć dna oka.

Ponadto urządzenia samokontrolujące, takie jak SVOne – urządzenie podręczne, które wykorzystuje czujnik czoła fali do pomiaru wad wzroku, mogą wykrywać wady refrakcji w oczach za pomocą algorytmów AI. Urządzenie może uzyskać dostęp do internetowej bazy danych obrazów, które sztuczna inteligencja może wykorzystać jako odniesienia do diagnozowania krótkowzroczności. Ponadto sztuczną inteligencję można wyszkolić w zakresie wykrywania zmian w zachowaniu związanych z wystąpieniem krótkowzroczności. Takie wykrywanie jest szczególnie przydatne do wczesnego wykrywania krótkowzroczności u dzieci, która w przeciwnym razie jest często ignorowana. Na przykład Vivior Monitor wykorzystuje algorytmy ML do wykrywania zmian w zachowaniu wizualnym, takich jak:

Ponadto do identyfikacji czynników ryzyka krótkowzroczności można zastosować metody ML, takie jak maszyna wektorowa, regresja logistyczna i Xgboost.„Model oparty na XGBOOST może uzyskać duże ilości danych podłużnych, co pozwala mu poznać wyniki i powiązane czynniki ryzyka krótkowzroczności u wielu pacjentów. To z kolei pozwala modelowi ocenić czynniki ryzyka nowych pacjentów na podstawie ich genetyki, historii rodziny, parametrów środowiskowych i fizjologicznych”.Wyjaśnia dr Li Li.

Przewidywanie postępu i wyniku krótkowzroczności może pomóc lekarzom w dostosowaniu podejścia klinicznego. Na dużą skalę może kształtować praktykę kliniczną i kształtowanie polityki, która pomoże kontrolować krótkowzroczność. Dostarczając modelowi sztucznej inteligencji duże ilości danych biometrycznych, danych dotyczących refrakcji, reakcji na leczenie i obrazów oczu od wielu pacjentów z krótkowzrocznością, można nauczyć sztucznej inteligencji przewidywania skutków krótkowzroczności u nowych pacjentów.

Pomimo wielkiego potencjału sztucznej inteligencji w leczeniu krótkowzroczności należy pokonać kilka wyzwań. Po pierwsze, ważne jest, aby zapewnić dokładność i wysoką jakość zbioru danych wykorzystywanych do uczenia modelu sztucznej inteligencji. Odchylenie, fałszywie negatywne/pozytywne wyniki i niska jakość danych mogą negatywnie wpłynąć na dokładność diagnostyczną i predykcyjną modelu. Po drugie, większość modeli sztucznej inteligencji szkoli się na podstawie danych z dużych szpitali, które mogą nie być reprezentatywne dla pacjentów udających się do mniejszych klinik. Stwarza to rozbieżność pomiędzy populacją rzeczywistą i trenującą. Po trzecie, model sztucznej inteligencji nie jest przeszkolonym lekarzem i może nie stanowić podstawy klinicznej do postawienia diagnozy, co może skutkować odrzuceniem diagnozy przez personel medyczny. Wreszcie, przy tak dużych ilościach danych pacjentów ważne jest, aby modele sztucznej inteligencji zapewniały prywatność dokumentacji medycznej pacjentów.

„Chociaż nasze badanie podkreśla te godne uwagiPostępy w zastosowaniu klinicznym sztucznej inteligencji w krótkowzroczności wymagają dalszych badań w celu przezwyciężenia wyzwań technologicznych. ZBudując wysokiej jakości zbiory danych, poprawiając zdolność modelu do przetwarzania multimodalnych danych obrazowych i poprawiając zdolność interakcji ludzkich komputerów, modele sztucznej inteligencji można dalej udoskonalać pod kątem szerokiego zastosowania klinicznego.„Podsumowuje dr Jifeng Yu.

Źródła: