Detekcia zeleného zákalu s použitím umelej inteligencie
Zelený zákal (glaukóm) je druhá najrozšírenejšia príčina slepoty na svete. Len na Slovensku ňou trpí vyše 86 000 ľudí. Okrem zeleného zákalu však existuje celý rad chorôb, ktoré v prípade neskorej diagnostiky môžu takisto viesť k slepote.
Diagnostika glaukómu
Aktuálne je glaukóm diagnostikovateľný viacerými testami. Patrí tam meranie vnútroočného tlaku a testy zorného poľa, či skúmanie očného pozadia cez OCT (Optický Koherenčný Tomograf). Práve OCT poskytuje efektívny spôsob zobrazenia a kvantifikovania štruktúr v oku, menovite vrstiev nervových vlákien sietnice (RNFL). Tie sa menia v závislosti od štádia choroby. Hoci tento postup funguje dobre, vyžaduje si dodatočné procesy na kvalifikovanie zákalu v OCT obrázkoch. Tieto procesy zahŕňajú predspracovanie vstupných dát viacerými spôsobmi, ako napr. otočenie očí rovnakým smerom, čo je však pomerne časovo náročné.
Pohľad zdravého oka vs. oka so zeleným zákalom
Zdroj: National Eye Institute
Ako pomôže umelá inteligencia?
Vedci z IBM preto spoločne so súkromnou univerzitou v New Yorku hľadali nový spôsob ako pomôcť oftalmológom uľahčiť a urýchliť proces diagnostiky, a to s použitím umelej inteligencie. Konkrétne sa snažili o využitie snímok očí na detekovanie zeleného zákalu z daných snímok pomocou počítačového videnia.
Na túto úlohu sa preto pokúsili aplikovať vybrané algoritmy z oblasti strojového učenia. Výsledky boli nad očakávania. Z klasických algoritmov strojového učenia doiahli najlepšiu úspešnosť pri logistickej regresii s presnosťou až 89%. Pri použití algoritmov hlbokého strojového učenia bola dosiahnutá presnosť dokonca 94%. Výhodou v tomto prípade bolo aj to, že algoritmus nielen že vyhodnotil, či je vzorka pozitívna alebo negatívna, ale v rámci snímky presne označil problémové oblasti.
Glaukóm je detekovaný priamo zo skenu sietnice a nervu OCT metódou na základe svetelných vĺn z prierezu sietnice. Oproti pôvodnému postupu vieme dokonca touto metódou glaukóm vyhodnotiť aj bez časovo náročného predspracovania dát, ktoré sa pre použitie tejto metódy ukázalo ako nepotrebné.
Napriek súčasnému trendu vo výskume umelej inteligencie, ktorý vedie najmä k využívaniu hlbokého strojového učenia, neurónová sieť použitá v tomto prípade obsahuje len 5 vrstiev. Dôvodom je najmä nedostatok dát pre trénovanie hlbších sietí. Medicínske dáta totiž nie sú tak ľahko dosiahnuteľné, či už kvôli zložitejšiemu zberu a citlivosti dát. Najmä tento nedostatok údajov zatiaľ znemožňuje masovejšiemu rozšíreniu umelej inteligencie v medicínskej oblasti.
Zdroje
https://www.procare.sk/wp-content/uploads/2018/12/glaukom-prakticke-informacie-pre-pacientov.pdf
https://arxiv.org/pdf/1807.04855v3.pdf
https://www.ibm.com/blogs/research/2018/10/glaucoma-detection/
