Η τεχνητή νοημοσύνη (AI) έχει επεκταθεί με την εύρεση εφαρμογών στην ιατρική διάγνωση για συστήματα κλινικής υποστήριξης. Η χρήση της τεχνητής νοημοσύνης στην οφθαλμολογία προσελκύει τεράστιο ενδιαφέρον για τη διάγνωση διαφόρων οφθαλμικών ασθενειών που παραδοσιακά ήταν ευαίσθητες ή/και πιστεύεται ότι είναι δύσκολο να διαγνωστούν με ακρίβεια από κλινικούς ειδικούς. Ειδικότερα, η τεχνητή νοημοσύνη μπορεί να βοηθήσει τους οφθαλμίατρους στην ακριβή διάγνωση ενσωματώνοντας πρόσφατα αναπτυγμένες τεχνολογίες όταν εφαρμόζονται σε βυθοσκόπηση, οπτική τομογραφία συνοχής (OCT) και εξέταση οπτικού πεδίου για την επίτευξη ισχυρών επιδόσεων ταξινόμησης στην ανίχνευση ανωμαλιών του κερατοειδούς και του αμφιβληστροειδούς. Για παράδειγμα, η τεχνητή νοημοσύνη μπορεί να χρησιμοποιηθεί σε διάφορες οφθαλμικές εικόνες ως μια εύλογη λύση για τον έλεγχο, τη διάγνωση και την παρακολούθηση ασθενών με μείζονες οφθαλμικές ασθένειες στο πρόσθιο και το οπίσθιο τμήμα της πρωτοβάθμιας περίθαλψης.
Υπάρχουν μηχανήματα που χρησιμοποιούν τεχνητή νοημοσύνη μπορούν να ελέγξουν ασθενείς για διαβητική αμφιβληστροειδοπάθεια και άλλες συναφείς οφθαλμικές παθήσεις παραπέμποντας σε μια βάση δεδομένων με σχεδόν μισό εκατομμύριο εικόνες αμφιβληστροειδούς από πολυεθνικούς πληθυσμούς στη Σιγκαπούρη και παγκοσμίως. Οι εικόνες αποθηκεύονται σε αυτό που ονομάζεται Σύστημα Τεχνητής Νοημοσύνης (AI System), το οποίο αναπτύχθηκε από κοινού από το SNEC, το Singapore Eye Research Institute (SERI) και τη Σχολή Υπολογιστών του Εθνικού Πανεπιστημίου της Σιγκαπούρης (NUS). Το σύστημα που ισχυρίζεται ότι είναι το πρώτο στον κόσμο, έχει αποδειχθεί ότι είναι εξαιρετικά ακριβές στην αναγνώριση εικόνων με και χωρίς οφθαλμική νόσο. Μπορεί επίσης να ανιχνεύσει γλαύκωμα και ηλικιακή εκφύλιση της ωχράς κηλίδας.
Τα αποτελέσματα μιας μελέτης σχετικά με τη χρήση του δημοσιεύτηκαν στην επιθεώρηση Journal of the American Medical Association τον περασμένο Δεκέμβριο. Για τη μελέτη, οι ερευνητές συνεργάστηκαν με πολλά κορυφαία παγκόσμια οφθαλμικά κέντρα, συμπεριλαμβανομένων αυτών στην Αυστραλία, την Κίνα, τις Ηνωμένες Πολιτείες, το Μεξικό και το Χονγκ Κονγκ. Πολλές από τις εικόνες αμφιβληστροειδούς που χρησιμοποιήθηκαν στο σύστημα προέρχονταν από αυτές τις χώρες.
Έλεγχος για οφθαλμικές παθήσεις
Το σύστημα AI μπορεί να ελέγξει για οφθαλμικές παθήσεις όπως ένας εκπαιδευμένος επαγγελματίας, επειδή έχει, στον πυρήνα του, ένα σύστημα βαθιάς μάθησης. Σύμφωνα με τον καθηγητή Wong Tien Yin, Ιατρικό Διευθυντή, SNEC και Πρόεδρο, SERI, το Deep Learning System χρησιμοποιεί μια καινοτόμο αλγοριθμική προσέγγιση για να «εκπαιδεύσει» την τεχνολογία να σκέφτεται και να αποφασίζει όπως οι άνθρωποι.
«Μπορεί να επεξεργαστεί μεγάλες ποσότητες ακατέργαστων δεδομένων και να αναγνωρίσει περίπλοκες δομές και μοτίβα που μπορεί να μην είναι ορατά στο ανθρώπινο μάτι», δήλωσε ο καθηγητής Wong, ανώτερος συγγραφέας της μελέτης και Αντιπρύτανης, Duke-NUS Medical School. Είπε ότι θα ήταν χρήσιμο στον έλεγχο ασθενών για διαβητική αμφιβληστροειδοπάθεια στη Σιγκαπούρη και αλλού.
«Σε χώρες που διαθέτουν αυτά τα προγράμματα προσυμπτωματικού ελέγχου, όπως το Ηνωμένο Βασίλειο και η Σιγκαπούρη, θα αυξήσει την αποτελεσματικότητα και θα μειώσει το κόστος αντικαθιστώντας ένα μεγάλο ποσοστό αυτού που τώρα απαιτεί ανθρώπινη αξιολόγηση». Θα διευκολύνει επίσης τη δημιουργία προγραμμάτων προσυμπτωματικού ελέγχου σε μελλοντικές κοινότητες, καθώς θα μπορούσε να γίνει σε μεγάλο βαθμό από την τεχνητή νοημοσύνη. «Θα εξοικονομήσει επίσης κόστος και θα βελτιώσει την αποτελεσματικότητα των συστημάτων υγειονομικής περίθαλψης επιτρέποντας στους οφθαλμίατρους και τους οπτομέτρους να επικεντρωθούν μόνο σε περιπτώσεις διαβητικής αμφιβληστροειδοπάθειας που απαιτούν θεραπεία». Υπάρχουν σχέδια για την ανάπτυξη πιο περίπλοκων αλγορίθμων για την εκπαίδευση του συστήματος Deep Learning ώστε να κάνει ακόμη περισσότερα.