Tutkijat haluavat käyttää tekoälyä kuivasilmäsairauden varhaiseen havaitsemiseen ja ennustamiseen

Tutkijat haluavat käyttää tekoälyä kuivasilmäsairauden varhaiseen havaitsemiseen ja ennustamiseen

Kuivasilmäsairaus (DED) on yksi yleisimmistä silmäsairauksista, ja sitä sairastaa jopa 30 % maailman väestöstä. Tämä sairaus voi vaikuttaa monenlaisiin ihmisiin ja aiheuttaa viime kädessä huomattavan heikkenemisen heidän yleisessä elämänlaadussaan. Varhainen tutkimus ja ennuste ovat ratkaisevia potilaan taudin etenemiselle. Tämä voi kuitenkin olla vaikeaa. Tässä tutkimuksessa tutkijat haluavat käyttää tekoälyä (AI) tukemaan DED:n varhaista havaitsemista ja ennustamista. Tekoälyn käyttö ei ainoastaan ​​voi tehdä seulonnasta helpompaa yksilöiden ulottuville, vaan myös auttaa potilaita yksilöllisissä terapeuttisissa interventioissa.

Tutkijat julkaisivat tulokset vuonnaBig data louhinta ja analytiikkahuhtikuun 22 päivänä.

DED voi vaikuttaa moniin ihmisiin, mukaan lukien ihmiset, jotka käyttävät piilolinssejä, meikkaavat, yöpyvät myöhään, katsovat näyttöä pitkiä aikoja ja yli 30-vuotiaita. Tämän taudin oireita ovat silmien kuivuminen, ärsytys ja polttaminen, kyyneleet, silmien väsymys ja kipu. Voidaan helposti nähdä, että tämä sairaus voi vaikuttaa rajusti suureen osaan nykymaailman väestöstä. Tässä voivat auttaa silmäsairauksien havaitsemisen sekä tietojenkäsittelytieteilijöiden ja insinöörien maailman yhteiset ponnistelut.

Selvittämällä haasteita, välittämällä oivalluksia ja määrittämällä tulevaisuuden tutkimuspolkuja se edistää merkittävästi silmäsairauksien havaitsemisen jatkokehitystä pitkälle kehitettyjen teknisten menetelmien avulla.

Mini Han Wang, kirjailija ja tutkija

Tässä tekoälyyn perustuvassa taudin havaitsemisessa on seitsemän puolta. Oikea-aikainen puuttuminen tekoälyn seulontaprosessin ja oikean ennustamisen kautta on ensimmäinen osa. Kattavien kuivasilmätutkimusten käyttö tekoälyn avulla on toinen näkökohta. Tämä on tukiperiaate, jolla varmistetaan tietty perusteellisuus ja luotettavuus koko prosessin ajan. Tätä seuraa systemaattinen lähestymistapa ja tietojenkäsittelytieteen ja tekniikan yhdistäminen oftalmologiaan. Myöhemmin DED-tunnistuksen standardeja on kehitettävä ja niitä on noudatettava tulevia tutkijoita ja toimijoita varten, mikä luonnollisesti johtaa alan edistymiseen. Lopuksi kaikki tutkimustulokset, menetelmät ja työkalut on koottava niin, että tutkijoilla, tiedemiehillä ja ammatinharjoittajilla on käytettävissään kaikki tällä hetkellä saatavilla oleva tieto.

Silmälääkärit asettavat taudin puiteohjeet ja merkitsevät diagnoosin, mutta tekoäly hoitaa suuren osan raskaiden nostoista. Ihannetapauksessa tämä tekoäly käyttäisi käyttäjän matkapuhelimesta otettuja kuvia ja videoita tavoittaakseen käyttäjiä ympäri maailmaa. Tekoäly voi sitten käyttää näitä kuvia sekä potilaan elämän riskitekijöitä luodakseen älykkään ja tietoisen ennusteen. Lisäksi tekoäly oppii jatkuvasti ja voi auttaa edistämään tutkimusta edistämällä ennakoivia DED-malleja.

Tekoälyn havaitsemisen käyttö kuivasilmäsairaudessa on lupaavaa, varsinkin kun otetaan huomioon, että riskitekijät ovat usein normaalia toimintaa monien ihmisten arjessa. Jotta havaitsemismenetelmät olisivat riittävän helposti saatavilla ja tarkkoja, tarvitaan lisätutkimuksia.

"Insinööreillä on kuitenkin edelleen haasteita diagnostisten standardien ja erityyppisten tietojoukkojen yhdistelmien valinnassa. Käyttämällä luotettavia algoritmeja sekä matkapuhelimilla tallennettuja kuvia ja videoita saavutettavuuden parantamiseksi, kokonaisvaltainen terveyslähestymistapa varhaiseen havaitsemiseen on mahdollista", hän kertoi Wangille.

Jatkuvan testauksen ja insinöörien ja silmälääkäreiden välisen yhteistyön ansiosta tällä testausmenetelmällä on suuri potentiaali edistää kuivasilmäsairauden varhaista havaitsemista ja myöhempiä hoitotoimenpiteitä potilaan tilan heikkenemisen lievittämiseksi tai elämänlaadun palauttamiseksi.

Mini Han Wang ja Xiangrong Yu Zhuhain kansansairaalasta Mini Han Wangin kanssa myös Hongkongin Kiinan yliopiston oftalmologian ja näkötieteiden laitokselta, Macaon kaupungin yliopiston tietotieteen tiedekunnasta ja Kiinan tiedeakatemian Zhuhai Institute of Advanced Technologyn Big Datan osastolta, Kelvin KL Pang, Carvinol KL Pang, Yim-Lui Cheung ja Xulin Liao Hongkongin kiinalaisen yliopiston oftalmologian ja näkötieteiden laitokselta, Xiaoxiao Fang Zhuhai Aier Eye Hospital -sairaalasta, Jie Yang Chongqingin teollisuus- ja kauppaammattikorkeakoulun tekoälyn korkeakoulusta, Ruoyu Zhou ja Wenjian Liu Macia Sciencen yliopistosta Xosin yliopiston datatieteiden laitoksella. Kiinan ja portugalinkielisten maiden välisen tiede- ja teknologiavaihdon ja yhteistyön keskus ja Fengling Wang Hezhoun yliopiston tekoälyn koulusta osallistuivat tähän tutkimukseen.

Kiinan luonnontieteellinen säätiö, Shenzhenin älykkään bioinformatiikan avainlaboratorio, Shenzhenin tiede- ja teknologiaohjelma, Guangdongin perus- ja sovelletun perustutkimuksen säätiö, Zhuhain teknologia- ja tutkimussäätiö, MOE:n humanististen ja yhteiskuntatieteiden projekti, Chongqingin kaupungin koulutuskomission ja Chongqingin luonnontieteiden säätiön tieteelliset ja teknologiset tutkimusohjelmat mahdollistivat.

Lähteet: