Forskere ønsker å bruke AI for tidlig oppdagelse og prognose av tørre øyesykdommer

Forskere ønsker å bruke AI for tidlig oppdagelse og prognose av tørre øyesykdommer

Tørr øyesykdom (DED) er en av de vanligste øyesykdommene og rammer opptil 30 % av verdens befolkning. Denne sykdommen kan ramme mange forskjellige typer mennesker og til slutt føre til en betydelig nedgang i deres generelle livskvalitet. Tidlig undersøkelse og prognose er avgjørende for pasientens sykdomsprogresjon. Dette kan imidlertid være vanskelig. I denne studien ønsker forskere å bruke kunstig intelligens (AI) for å støtte tidlig oppdagelse og prognose av DED. Bruken av AI kan ikke bare gjøre screening mer tilgjengelig for enkeltpersoner, men også hjelpe pasienter med personlig tilpassede terapeutiske intervensjoner.

Forskerne publiserte resultatene sine iBig data mining og analyseden 22. april.

DED kan påvirke et bredt spekter av mennesker, inkludert personer som bruker kontaktlinser, bruker sminke, holder seg sent oppe, ser på skjermer i lange perioder, og de som er over 30 år. Symptomer på denne sykdommen inkluderer tørre øyne, irritasjon og svie, tårer, øyetretthet og smerte. Man kan lett se at denne sykdommen har potensial til å drastisk påvirke en stor del av den moderne verdensbefolkningen. Det er her den felles innsatsen for øyesykdomsdeteksjon og verden av informatikere og ingeniører kan hjelpe.

Ved å overvinne utfordringer, formidle innsikt og definere fremtidige forskningsveier, bidrar det betydelig til den videre utviklingen av deteksjon av øyesykdommer gjennom sofistikerte teknologiske modaliteter."

Mini Han Wang, forfatter og forsker

Det er syv fasetter av denne AI-baserte sykdomsdeteksjonen. Rettidig intervensjon via AI-screeningsprosessen og riktig prediksjon er den første delen. Bruken av omfattende undersøkelser av tørre øyne gjennom AI er en annen vurdering. Dette er et støtteprinsipp for å sikre en viss grad av grundighet og pålitelighet gjennom hele prosessen. Dette etterfølges av en systematisk tilnærming og kombinasjonen av informatikk og ingeniørfag med oftalmologi. Deretter må standarder for DED-deteksjon utvikles og følges for fremtidige forskere og praktikere, noe som naturligvis vil føre til fremskritt på feltet. Til slutt må alle forskningsresultater, metoder og verktøy sammenstilles slik at forskere, forskere og praktikere har all tilgjengelig informasjon til rådighet.

Mens øyeleger setter rammeverket for sykdommen og merker diagnosen, gjør AI mye av det tunge løftet. Ideelt sett ville denne AI-en bruke bilder og videoer tatt fra en brukers mobiltelefon for å nå brukere over hele verden. AI kan da bruke disse bildene så vel som risikofaktorer i pasientens liv for å skape en intelligent og informert prognose. I tillegg lærer AI kontinuerlig og kan bidra til å fremme forskning ved å bidra til prediktive modeller for DED.

Bruken av AI-deteksjon for tørre øyesykdommer er lovende, spesielt med tanke på at risikofaktorene ofte er normale aktiviteter i mange menneskers hverdag. For å gjøre deteksjonsmetodene tilstrekkelig tilgjengelige og nøyaktige, må det gjennomføres ytterligere forskning.

"Det er imidlertid fortsatt utfordringer for ingeniører med å velge diagnostiske standarder og kombinasjoner av ulike typer datasett. Ved å bruke pålitelige algoritmer samt bilder og videoer tatt opp av mobiltelefoner for tilgjengelighet, er en helhetlig helsetilnærming til tidlig deteksjon mulig," sa han til Wang.

Gjennom kontinuerlig testing og samarbeid mellom ingeniører og øyeleger er det et stort potensial for at denne testmetoden kan bidra til tidlig oppdagelse av tørre øyesykdom og påfølgende terapeutiske intervensjoner for pasienten for å lindre forverring av tilstanden eller gjenopprette noe livskvalitet.

Mini Han Wang og Xiangrong Yu fra Zhuhai People's Hospital med Mini Han Wang også fra avdelingen for oftalmologi og visuelle vitenskaper ved det kinesiske universitetet i Hong Kong, fakultetet for datavitenskap ved City University of Macau og avdelingen for big data ved Zhuhai Institute of Advanced Technology ved det kinesiske vitenskapsakademiet, Lumin Pang, Kelvin KL Chong, Yim-Lui Cheung og Xulin Liao fra Institutt for oftalmologi og visuelle vitenskaper ved det kinesiske universitetet 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 Institutt for datavitenskap ved Xia Machu Zhou, City University. med Senter for vitenskap og teknologiutveksling og samarbeid mellom Kina og portugisisktalende land, og Fengling Wang fra School of Artificial Intelligence ved Hezhou University bidro til denne forskningen.

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 forskningen mulig.

Kilder: