NIH teadlased kasutavad tehisintellekti, et teravustada standardset silmapilti

NIH teadlased kasutavad tehisintellekti, et teravustada standardset silmapilti

Riiklike tervishoiuinstituutide (NIH) teadlased on kasutanud tehisintellekti, et muuta seade, mis muutis ühe silma silmapõhja teravateks rakkudeks. See tehnika pakub kujutise eraldusvõimet, mis konkureerib kõige arenenumate saadaolevate seadmetega ning on odavam, kiirem ega vaja eriseadmeid ega eriteadmisi. Strateegia mõjutab haiguste varajast avastamist ja ravi osutamise jälgimist, muutes nähtavaks selle, mis kunagi oli nähtamatu.

"AI abil saab potentsiaalselt järgmise põlvkonna pildistamise tavaliste silmakliinikute kätte. See on nagu suure eraldusvõimega objektiiv lihtsale kaamerale." ütles Johnny Tam, Ph.D., NIH-National Eye Institute'i uurija ja avaldatud uuringuaruande vanemautor.Suhtlemismeditsiin.

Silma tagaosa valgustundliku võrkkesta uurimiseks kasutatakse sageli oftalmoskoopide nime all tuntud pildistamisseadmeid. Skaneeriv laseroftalmoskoop on silmakliinikutes standardvarustuses, kuid selle eraldusvõime suudab tuvastada ainult koetasandi struktuure – selliseid asju nagu kahjustused, veresooned ja nägemisnärvi pea. Uue põlvkonna oftalmoskoobid koos adaptiivse optikaga – tehnoloogiaga, mis kompenseerib kergeid moonutusi – suudavad tuvastada raku funktsioone ja pakkuda rohkem diagnostilist teavet. Adaptiivse optikaga pildistamine on siiski veel katsefaasis.

TAM ja kaastöötajad töötasid välja kohandatud AI-süsteemi, et digitaalselt täiustada valgustundlike fotoretseptorite all oleva koekihi kujutisi, mida tuntakse võrkkesta pigmenteeritud epiteeli (RPE) nime all. Esimene samm oli õpetada süsteemile, et pildikvaliteet oleks halb, mõõdukas või hea. Teadlased tegid seda, andes süsteemile rohkem kui 1400 võrkkesta erinevatest piirkondadest pärit pilti, mis saadi oftalmoskoopia adaptiivse optika abil. Järgmisena andsid nad süsteemile vastavaid pilte samadest võrkkesta asukohtadest, kuid need saadi tavalise oftalmoskoopia abil. Pildi teravuse test näitas, et AI parandas selgust kaheksa korda.

Meie süsteem kasutas adaptiivsest optikast saadud kujutiste hindamisel õpitut, et digitaalselt täiustada standardse oftalmoskoopia abil saadud pilte. Oluline on märkida, et süsteem ei loo mitte millestki midagi. Funktsioonid, mida näeme standardse kujutisega RPE-rakkudes, on lihtsalt ebaselged. “

Johnny Tam, Ph.D., NIH riikliku silmainstituudi uurija

Need meetodid hõlmavad indotsüaniinrohelise (ICG) nimelise värvaine süstimist vereringesse, et suurendada anatoomiliste tunnuste kontrasti. Silmakliinikus kasutatakse ICG-d tavaliselt silma veresoonte visualiseerimiseks.

"Meie ICG-pildistamise strateegia võimaldab kliinikus RPE rakke kiiresti ja rutiinselt hinnata," ütles aruande esimene autor ja Tami labori biomeditsiiniinsener Joanne Li, Ph.D. "AI-ga saab RPE-rakkudest kvaliteetseid pilte saada sekunditega, kasutades standardseid kliinilisi pildistamise tööriistu."

RPE rakkude ülesanne on toita ja toetada fotoretseptoreid. RPE-rakke mõjutavad algselt mitmesugused pimestamise tingimused, sealhulgas vanusega seotud kollatähni degeneratsioon, vitelliformne makulaarne düstroofia ja Stargardti tõbi. Kuid RPE rakke ei saa kliinikus kergesti pildistada. Tehisintellektiga täiustatud ICG oftalmoskoopia toob RPE pildistamise tüüpilise silmakliiniku käeulatusse. ##

Allikad: