Včasná a správná diagnostika může vést ke zpomalení progrese glaukomu a zabránit budoucí ztrátě zraku. Právě v počátečních stadiích onemocnění je však detekce glaukomu nejnáročnější. Hlavním problémem při jeho odhalování je totiž skutečnost, že nejvýraznější symptomy se projevují až v době, kdy již k významné ztrátě zraku došlo.
Současná vyšetření by proto měla být v blízké budoucnosti vylepšena o moderní automatizované systémy pracující na principu strojového učení a umělé inteligence (AI), které díky přesné a rychlé interpretaci snímků zkrátí diagnostický proces a minimalizují možné nepřesnosti způsobené subjektivním hodnocením lékaře. Diagnostika glaukomu totiž v současné době probíhá na základě několika dílčích vyšetření a závisí na schopnosti, respektive zkušenosti lékaře. Na základě dřívějších výzkumů přitom bylo zjištěno, že i zkušení oftalmologové podceňují pravděpodobnost glaukomu až u 20 % hodnocených snímků optického disku.
První postupy využívající principů umělé inteligence pro porovnávání obrazů sítnice byly navrženy už v polovině 20. století. V 90. letech 20. století pak byly pro diagnostiku glaukomu poprvé použity také modely hlubokého učení založené na principu neuronových sítí.
Díky dlouhé historii a technologickému pokroku jsou tak v současné době k dispozici rozsáhlé soubory dat s fotografiemi očního pozadí, které lze díky vývoji počítačových systémů a algoritmů možné využít k automatizované a objektivizované interpretaci jednotlivých snímků oka.
Autoři studie se rozhodli jednotlivé systémy a algoritmy porovnat. Modely rozdělili do 3 kategorií dle principů jejich fungování. Rozlišili tak modely umělé inteligence, strojového a hlubokého učení. Umělá inteligence pracuje na základě nápodoby lidského chování, strojové učení pak prostřednictvím analýzy určitého souboru dat a předešlých zkušeností. Hluboké myšlení jako nejdokonalejší z procesů počítačového pokroku funguje na základě výpočtů pomocí několikavrstevných neuronových sítí a samostatného rozhodování.
Na základě porovnání a testování jednotlivých modelů autoři studie považují za nejvhodnější metody založené právě na principech hlubokého učení. Vykazují totiž mnohem přesnější výsledky v činnostech, jakými jsou zpracování obrazu, rozpoznávání vzorů i následná diagnostika a prognóza glaukomu.
V posledních letech bylo vyvinuto hned několik inovativních modelů hlubokého učení speciálně pro diagnostiku glaukomu, které vykazují zajímavé výsledky. Přesto žádný z nich doposud nebyl schválen americkým Úřadem pro kontrolu potravin a léčiv (FDA) pro použití v klinické praxi. Důvodem může být podle vědců například nejednotnost v definici glaukomu nebo míra zobecnitelnosti a interpretovatelnosti jednotlivých modelů. Pro lepší integraci nových technologií do zdravotnických zařízení je proto nutné zaměřit další výzkumy na tyto problémy a také vytvořit nové standardy právních i etických otázek.
(jko)
Zdroje:
1. Huang X., Islam M. R., Akter S. et al. Artificial intelligence in glaucoma: opportunities, challenges, and future directions. BioMed Eng Online 2023 16 Dec; 22: 126, doi: 10.1186/s12938-023-01187-8.
2. Yousefi S. Clinical applications of artificial intelligence in glaucoma. J Ophthalmic Vis Res 2023; 18 (1): 97–112, doi: 10.18502/jovr.v18i1.12730.
