Forskere ønsker at bruge kunstig intelligens til tidlig opdagelse og prognose af tørre øjensygdomme

Forskere ønsker at bruge kunstig intelligens til tidlig opdagelse og prognose af tørre øjensygdomme

Tørre øjensygdom (DED) er en af ​​de mest almindelige øjensygdomme og rammer op til 30 % af verdens befolkning. Denne sygdom kan påvirke mange forskellige typer mennesker og i sidste ende forårsage et stort fald i deres generelle livskvalitet. Tidlig undersøgelse og prognose er afgørende for patientens sygdomsforløb. Dette kan dog være svært. I denne undersøgelse ønsker forskere at bruge kunstig intelligens (AI) til at understøtte den tidlige opdagelse og prognose af DED. Brugen af ​​kunstig intelligens kan ikke kun gøre screening mere tilgængelig for enkeltpersoner, men også hjælpe patienter med personlige terapeutiske interventioner.

Forskerne har offentliggjort deres resultater iBig data mining og analyseden 22. april.

DED kan påvirke en bred vifte af mennesker, herunder personer, der bruger kontaktlinser, bruger makeup, holder sig sent oppe, ser på skærme i lange perioder, og personer over 30 år. Symptomer på denne sygdom omfatter tørre øjne, irritation og svie, tåreflåd, træthed i øjnene og smerte. Man kan let se, at denne sygdom har potentialet til drastisk at påvirke en stor del af den moderne verdensbefolkning. Det er her den fælles indsats inden for øjensygdomsdetektion og en verden af ​​dataloger og ingeniører kan hjælpe.

Ved at overvinde udfordringer, formidle indsigt og definere fremtidige forskningsveje, bidrager det væsentligt til den videre udvikling af påvisning af øjensygdomme gennem sofistikerede teknologiske modaliteter."

Mini Han Wang, forfatter og forsker

Der er syv facetter af denne AI-baserede sygdomsdetektion. Rettidig indgriben via AI-screeningsprocessen og korrekt forudsigelse er den første del. Brugen af ​​omfattende undersøgelser af tørre øjne gennem AI er en anden overvejelse. Dette er et understøttende princip for at sikre en vis grad af grundighed og troværdighed gennem hele processen. Dette efterfølges af en systematisk tilgang og kombinationen af ​​datalogi og teknik med oftalmologi. Efterfølgende skal standarder for DED-detektion udvikles og overholdes for fremtidige forskere og praktikere, hvilket naturligvis vil føre til fremskridt på området. Endelig skal alle forskningsresultater, metoder og værktøjer sammenstilles, så forskere, videnskabsmænd og praktikere har al tilgængelig information til deres rådighed.

Mens øjenlæger sætter retningslinjerne for sygdomsrammerne og mærker diagnosen, udfører AI meget af det tunge løft. Ideelt set ville denne AI bruge billeder og videoer optaget fra en brugers mobiltelefon til at nå ud til brugere over hele verden. AI kan så bruge disse billeder såvel som risikofaktorer i patientens liv til at skabe en intelligent og informeret prognose. Derudover lærer kunstig intelligens hele tiden og kan hjælpe med at fremme forskningen ved at bidrage til prædiktive modeller for DED.

Brugen af ​​AI-detektion til tørre øjensygdomme er lovende, især i betragtning af, at risikofaktorerne ofte er normale aktiviteter i mange menneskers hverdag. For at gøre detektionsmetoderne tilstrækkeligt tilgængelige og nøjagtige, skal der udføres yderligere forskning.

"Der er dog stadig udfordringer for ingeniører med at vælge diagnostiske standarder og kombinationer af forskellige typer datasæt. Ved at bruge pålidelige algoritmer samt billeder og videoer optaget af mobiltelefoner for tilgængelighed, er en holistisk sundhedstilgang til tidlig detektion mulig," sagde han til Wang.

Gennem løbende test og samarbejde mellem ingeniører og øjenlæger er der et stort potentiale for, at denne testmetode kan bidrage til tidlig opdagelse af tørre øjensygdomme og efterfølgende terapeutiske indgreb for patienten for at lindre forværring af tilstanden eller genoprette en vis livskvalitet.

Mini Han Wang og Xiangrong Yu fra Zhuhai People's Hospital med Mini Han Wang også fra Department of Ophthalmology and Visual Sciences ved det kinesiske universitet i Hong Kong, fakultetet for datavidenskab ved City University of Macau og afdelingen for big data ved Zhuhai Institute of Advanced Technology ved det kinesiske videnskabsakademi, Lumin Pang, Kelvin KL Chong, Yim-Lui Cheung og Xulin Liao fra Department of Ophthalmology and Visual Sciences ved det kinesiske universitet i Hong Kong, Xiaoxiao Fang med Zhuhai Aier Eye Hospital, Jie Yang fra College of Artificial Intelligence ved Chongqing Industry and Trade Polytechnic, Ruoyu Zhou og Wenjian Liu ved Department of Xia Machuos Data Science, Department of Xia Machuos Zhou. med Center for Videnskab og Teknologi Udveksling og Samarbejde mellem Kina og portugisisktalende lande, og Fengling Wang fra School of Artificial Intelligence ved Hezhou University bidrog til denne forskning.

National Natural Science Foundation of China Natural, Shenzhen Key Laboratory of Intelligent Bioinformatics, Shenzhen Science and Technology Program, Guangdong Basic and Applied Basic Research Foundation, Zhuhai Technology and Research Foundation, Project of Humanities and Social Science of MOE, The Scientific and Technology Research Program of Chongqing Municipal Education Commission og Natural Science Foundation of Chongqing China gjorde denne forskning mulig.

Kilder: