Naukowcy z NIH wykorzystują sztuczną inteligencję do wyostrzania standardowego obrazowania oka

Naukowcy z NIH wykorzystują sztuczną inteligencję do wyostrzania standardowego obrazowania oka

Naukowcy z Narodowego Instytutu Zdrowia (NIH) wykorzystali sztuczną inteligencję do przekształcenia urządzenia, które przekształca dno jednego oka w ostre komórki. Technika ta zapewnia rozdzielczość obrazowania porównywalną z najbardziej zaawansowanym dostępnym sprzętem, jest tańsza, szybsza i nie wymaga specjalistycznego sprzętu ani specjalistycznej wiedzy. Strategia ta ma wpływ na wczesne wykrywanie chorób i monitorowanie świadczenia leczenia, dzięki czemu staje się widoczne to, co wcześniej było niewidoczne.

„Sztuczna inteligencja potencjalnie udostępnia obrazowanie nowej generacji w rękach standardowych klinik okulistycznych. To jak obiektyw o wysokiej rozdzielczości w prostym aparacie”. powiedział dr Johnny Tam, badacz w NIH-National Eye Institute i starszy autor raportu z badania, który został opublikowanyMedycyna komunikacji.

Urządzenia do obrazowania zwane oftalmoskopami są często używane do badania światłoczułej siatkówki w tylnej części oka. Skaningowy oftalmoskop laserowy jest standardem w klinikach okulistycznych, ale jego rozdzielczość umożliwia wykrywanie jedynie struktur na poziomie tkanki – takich jak zmiany chorobowe, naczynia krwionośne i głowa nerwu wzrokowego. Oftalmoskopy nowej generacji z optyką adaptacyjną – technologią kompensującą niewielkie zniekształcenia – mogą wykrywać cechy komórkowe i dostarczać więcej informacji diagnostycznych. Jednakże obrazowanie wykorzystujące optykę adaptacyjną znajduje się wciąż w fazie eksperymentalnej.

Zespół TAM i współpracownicy opracowali niestandardowy system sztucznej inteligencji do cyfrowego ulepszania obrazów warstwy tkanki pod światłoczułymi fotoreceptorami, znanymi jako nabłonek barwnikowy siatkówki (RPE). Pierwszym krokiem było nauczenie systemu rozpoznawania jakości obrazu jako słabej, umiarkowanej lub dobrej. Naukowcy dokonali tego, wprowadzając do systemu ponad 1400 obrazów z różnych obszarów siatkówki, uzyskanych za pomocą optyki adaptacyjnej oftalmoskopii. Następnie przekazali do systemu odpowiednie obrazy z tych samych lokalizacji siatkówki, ale uzyskane przy użyciu standardowej oftalmoskopii. Test ostrości obrazu wykazał, że sztuczna inteligencja ośmiokrotnie poprawiła klarowność.

Nasz system wykorzystał wiedzę uzyskaną z oceny obrazów uzyskanych za pomocą optyki adaptacyjnej do cyfrowego wzmocnienia obrazów uzyskanych za pomocą standardowej oftalmoskopii. Warto podkreślić, że system nie tworzy niczego z niczego. Funkcje, które widzimy w komórkach RPE przy standardowym obrazowaniu, są po prostu niejasne. „

Doktor Johnny Tam, badacz w Narodowym Instytucie Oka NIH

Techniki te polegają na wstrzykiwaniu do krwiobiegu barwnika zwanego zielenią indocyjaninową (ICG) w celu zwiększenia kontrastu cech anatomicznych. W klinice okulistycznej zwykle stosuje się ICG do wizualizacji naczyń krwionośnych oka.

„Nasza strategia obrazowania ICG umożliwia szybką i rutynową ocenę komórek RPE w klinice” – powiedziała dr Joanne Li, pierwsza autorka raportu i inżynier biomedyczny w laboratorium Tama. „Dzięki sztucznej inteligencji wysokiej jakości obrazy komórek RPE można uzyskać w ciągu kilku sekund przy użyciu standardowych narzędzi do obrazowania klinicznego”.

Zadaniem komórek RPE jest odżywianie i wspomaganie fotoreceptorów. Na komórki RPE początkowo wpływają różne stany olśnienia, w tym zwyrodnienie plamki związane z wiekiem, bielakowa dystrofia plamki i choroba Stargardta. Jednakże komórek RPE nie można łatwo zobrazować w klinice. Oftalmoskopia ICG wzmocniona sztuczną inteligencją sprawia, że ​​obrazowanie RPE jest w zasięgu typowej kliniki okulistycznej. ##

Źródła: