Forskare vill använda AI för tidig upptäckt och prognos av torra ögonsjukdomar

Forskare vill använda AI för tidig upptäckt och prognos av torra ögonsjukdomar

Torra ögonsjukdom (DED) är en av de vanligaste ögonsjukdomarna och drabbar upp till 30 % av världens befolkning. Denna sjukdom kan drabba många olika typer av människor och i slutändan orsaka en kraftig minskning av deras totala livskvalitet. Tidig undersökning och prognos är avgörande för patientens sjukdomsprogression. Detta kan dock vara svårt. I den här studien vill forskare använda artificiell intelligens (AI) för att stödja tidig upptäckt och prognos av DED. Användningen av AI kan inte bara göra screening mer tillgänglig för individer, utan också hjälpa patienter med personliga terapeutiska insatser.

Forskarna publicerade sina resultat iBig data mining och analysden 22 april.

DED kan påverka ett brett spektrum av människor, inklusive personer som bär kontaktlinser, bär smink, stannar uppe sent, tittar på skärmar under långa perioder, och de som är över 30 år gamla. Symtom på denna sjukdom inkluderar torra ögon, irritation och sveda, tårar, ögontrötthet och smärta. Man kan lätt se att denna sjukdom har potential att drastiskt påverka en stor del av den moderna världens befolkning. Det är här de gemensamma ansträngningarna för upptäckt av ögonsjukdomar och en värld av datavetare och ingenjörer kan hjälpa.

Genom att övervinna utmaningar, förmedla insikter och definiera framtida forskningsvägar bidrar det väsentligt till den fortsatta utvecklingen av upptäckten av ögonsjukdomar genom sofistikerade tekniska modaliteter.”

Mini Han Wang, författare och forskare

Det finns sju aspekter av denna AI-baserade sjukdomsdetektering. Tidig ingripande via AI-screeningsprocessen och korrekt förutsägelse är den första delen. Användningen av omfattande undersökningar av torra ögon genom AI är ett annat övervägande. Detta är en stödjande princip för att säkerställa en viss nivå av grundlighet och pålitlighet under hela processen. Detta följs av ett systematiskt tillvägagångssätt och kombinationen av datavetenskap och teknik med oftalmologi. Därefter måste standarder för DED-detektion utvecklas och följas för framtida forskare och praktiker, vilket naturligtvis kommer att leda till framsteg inom området. Slutligen ska alla forskningsresultat, metoder och verktyg sammanställas så att forskare, vetenskapsmän och praktiker har all tillgänglig information till sitt förfogande.

Medan ögonläkare fastställer ramriktlinjerna för sjukdomen och märker diagnosen, gör AI mycket av det tunga arbetet. Helst skulle denna AI använda bilder och videor tagna från en användares mobiltelefon för att nå användare över hela världen. AI kan sedan använda dessa bilder såväl som riskfaktorer i patientens liv för att skapa en intelligent och välgrundad prognos. Dessutom lär sig AI ständigt och kan hjälpa till att främja forskning genom att bidra till prediktiva modeller för DED.

Användningen av AI-detektion för torra ögonsjukdomar är lovande, särskilt med tanke på att riskfaktorerna ofta är normala aktiviteter i många människors vardag. För att göra detektionsmetoderna tillräckligt tillgängliga och korrekta behöver ytterligare forskning genomföras.

"Det finns dock fortfarande utmaningar för ingenjörer när det gäller att välja diagnostiska standarder och kombinationer av olika typer av datamängder. Genom att använda pålitliga algoritmer samt bilder och videor som fångas av mobiltelefoner för tillgänglighet är ett holistiskt hälsotillvägagångssätt för tidig upptäckt möjlig", sa han till Wang.

Genom kontinuerlig testning och samarbete mellan ingenjörer och ögonläkare finns det stor potential för denna testmetod att bidra till tidig upptäckt av torra ögonsjukdomar och efterföljande terapeutiska insatser för patienten för att lindra försämring av tillståndet eller återställa viss livskvalitet.

Mini Han Wang och Xiangrong Yu från Zhuhai People's Hospital med Mini Han Wang också från Department of Ophthalmology and Visual Sciences vid Chinese University of Hong Kong, Fakulteten för datavetenskap vid City University of Macau och Institutionen för Big Data vid Zhuhai Institute of Advanced Technology vid Chinese Academy of Sciences Sciences, Lumin Pang, Kelvin KL Chong, Yim-Lui Cheung och Xulin Liao från Department of Ophthalmology and Visual Sciences vid kinesiska universitetet i Hong Kong, Xiaoxiao Fang med Zhuhai Aier Eye Hospital, Jie Yang från College of Artificiell Intelligens vid Chongqing Industry and Trade Polytechnic, Ruoyu Zhou och Wenjian Liu med Department of Xia Macao Science med Department of Xia Macao. Centrum för vetenskap och teknikutbyte och samarbete mellan Kina och portugisisktalande länder, och Fengling Wang från School of Artificiell Intelligens vid Hezhou University bidrog till denna 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 och Natural Science Foundation of Chongqing China gjorde denna forskning möjlig.

Källor: