ИИ оценивает риск развития многих болезней по сетчатке: от сердечной недостаточности до болезни Паркинсона
Ученые разработали модель ИИ, которая сама учится различать «нормальную» сетчатку и «больную». И дальше ставит диагноз.
Ученые из Лондонского имперского колледжа и Глазного госпиталя Мурфилда, Лондон разработали инструмент искусственного интеллекта (ИИ), способный диагностировать и прогнозировать риск развития множества заболеваний — от глазных болезней до сердечной недостаточности и болезни Паркинсона — на основе изображений сетчатки глаза человека.
Инструменты искусственного интеллекта уже обучались выявлять заболевания по изображениям сетчатки глаза, но особенностью нового инструмента, получившего название RETFound, является то, что он был разработан с использованием метода, известного как обучение без учителя. Исследователям не нужно анализировать каждое из 1,6 млн изображений сетчатки, использованных для обучения, и определять их, например, как «нормальные» или «не нормальные». (Такие процедуры называются разметкой данных и требуют больших затрат времени и средств).
Вместо этого ученые применили метод, аналогичный тому, который используется для обучения Больших лингвистических моделей (БЛМ), таких как ChatGPT. БЛМ использует огромное количество текстов, чтобы научиться предсказывать следующее слово в предложении на основе контекста. Аналогичным образом RETFound использует множество фотографий сетчатки глаза, чтобы научиться предсказывать, как должны выглядеть недостающие фрагменты изображений.
«Просматривая миллионы изображений, модель каким-то образом учится тому, как выглядит сетчатка и каковы все ее особенности», — говорит Пирс Кин (Pearse Keane), соавтор статьи. — «Это относит ее к так называемым фундаментальным моделям, то есть она может быть адаптирована для решения самых разных задач».
Окно в организм человека
Сетчатка глаза человека может служить окном в его организм и позволяет многое узнать о здоровье, поскольку это единственная часть человеческого тела, через которую можно непосредственно наблюдать капиллярную сеть, состоящую из мельчайших кровеносных сосудов. «Если у вас есть системное сердечно-сосудистое заболевание, например, гипертония, которая затрагивает потенциально каждый кровеносный сосуд в вашем организме, мы можем непосредственно увидеть это на изображениях сетчатки», — говорит Кин.
Сетчатка также является продолжением центральной нервной системы, что означает, что изображения сетчатки могут использоваться для оценки состояния нервной ткани.
После предварительного обучения RETFound на 1,6 млн неразмеченных изображений сетчатки Кин и его коллеги смогли ввести небольшое количество маркированных изображений — например, 100 изображений сетчатки людей, у которых развилась болезнь Паркинсона, и 100 изображений людей, у которых она не развилась, — чтобы обучить модель узнавать конкретные заболевания. По словам Кина, узнав из всех неразмеченных изображений, как должна выглядеть сетчатка, модель сможет легко узнать особенности сетчатки, связанные с тем или иным заболеванием.
Авторы выложили модель в открытый доступ и надеются, что группы специалистов по всему миру смогут адаптировать и обучить ее для работы с их собственными группами пациентов. «Потенциально они могут взять этот алгоритм и доработать его, используя данные из своей страны, чтобы получить нечто более оптимизированное для своего использования», — говорит Кин.