NIH-forskare använder AI för att skärpa standardögonavbildning

NIH-forskare använder AI för att skärpa standardögonavbildning

Forskare vid National Institutes of Health (NIH) har utnyttjat artificiell intelligens för att omvandla en enhet som omvandlade ögonbotten i ena ögat till skarpa celler. Tekniken erbjuder bildupplösning som konkurrerar med den mest avancerade utrustningen som finns och är billigare, snabbare och kräver ingen specialutrustning eller expertis. Strategin har implikationer för tidig upptäckt av sjukdom och övervakning av behandlingsutbudet, vilket gör att det som en gång var osynligt blir synligt.

"AI ger potentiellt nästa generations bildbehandling i händerna på vanliga ögonkliniker. Det är som en högupplöst lins för en enkel kamera." sade Johnny Tam, Ph.D., en utredare vid NIH-National Eye Institute och senior författare till studierapporten, som publiceradesKommunikationsmedicin.

Avbildningsanordningar som kallas oftalmoskop används ofta för att undersöka den ljuskänsliga näthinnan på baksidan av ögat. Ett skanningslaseroftalmoskop är standard på ögonkliniker, men dess upplösning kan bara detektera strukturer på vävnadsnivå - saker som lesioner, blodkärl och synnervshuvudet. Nästa generations oftalmoskop med adaptiv optik – en teknik som kompenserar för lätta förvrängningar – kan upptäcka cellulära funktioner och ge mer diagnostisk information. Adaptiv optik-aktiverad bildbehandling är dock fortfarande i experimentfasen.

TAM och medarbetare utvecklade ett anpassat AI-system för att digitalt förbättra bilder av ett lager av vävnad under de ljuskänsliga fotoreceptorerna som kallas retinalt pigmenterat epitel (RPE). Det första steget var att lära systemet att känna igen bildkvaliteten som dålig, måttlig eller bra. Forskarna gjorde detta genom att mata systemet med mer än 1 400 bilder från olika delar av näthinnan, erhållna med hjälp av oftalmoskopi adaptiv optik. Därefter matade de systemet med motsvarande bilder från samma retinala platser, men erhölls med standard oftalmoskopi. Ett test av bildens skärpa visade att AI:n förbättrade klarheten åtta gånger.

Vårt system använde det det lärde sig från att utvärdera bilderna som erhållits från adaptiv optik för att digitalt förbättra bilderna som erhölls med standard oftalmoskopi. Det är viktigt att poängtera att systemet inte skapar något ur ingenting. Funktioner som vi ser i RPE-celler med standardavbildning är bara oklara. "

Johnny Tam, Ph.D., utredare vid NIH:s National Eye Institute

Dessa tekniker involverar att injicera ett färgämne som kallas indocyaningrönt (ICG) i blodomloppet för att öka kontrasten av anatomiska egenskaper. På ögonkliniken används vanligtvis ICG för att visualisera ögats blodkärl.

"Vår ICG-avbildningsstrategi gör att RPE-celler kan bedömas snabbt och rutinmässigt på kliniken", säger Joanne Li, Ph.D., första författare till rapporten och en biomedicinsk ingenjör vid Tams laboratorium. "Med AI kan högkvalitativa bilder av RPE-celler erhållas på några sekunder med hjälp av standardverktyg för klinisk avbildning."

RPE-cellers funktion är att ge näring och stödja fotoreceptorer. En mängd olika bländningstillstånd påverkar initialt RPE-celler, inklusive åldersrelaterad makuladegeneration, vitelliform makuladestrofi och Stargardts sjukdom. RPE-celler kan dock inte enkelt avbildas på kliniken. AI-förbättrad ICG-oftalmoskopi ger RPE-avbildning inom räckhåll för den typiska ögonkliniken. ##

Källor: