现代医学成像设备允许眼科医生监测慢性眼病的细节。眼科医生大多选择光学相干断层扫描(OCT),这是一种成像工具,可以产生极高分辨率的眼睛3D图像。但如果没有人工智能的支持,大量的图像和信息超过了一个专家的能力。这项研究的挑战是,提供能够以非常快的速度分析大量数据的人工智能工具,以便在患者会诊期间利用所有可用的图像分析信息。
来自伯尔尼大学ARTORG生物医学工程研究中心人工智能医学成像(AIMI)实验室和Inselspital眼科部门的研究团队,伯尔尼大学医院现在提出了一种机器学习方法,能够从oct扫描的视网膜中识别广泛的生物标记物,几乎提供了临床相关数据的即时支持。
人工智能为每种疾病类型识别生物标志物
ARTORG AIMI实验室组长Raphael Sznitman教授解释说:“在我们的方法中,人工智能根据疾病典型的生物标志物对患者OCT扫描进行分类。”生物标记物是OCT扫描的标志和特征,可指示疾病或用于显示治疗后恶化或改善。“让我们的结果与众不同的是,我们的人工智能算法提供了丰富的生物标记物特征,能够根据临床社区的充分理解和已知迹象对扫描进行分类。在这里,我们能够自主识别这些生物标记物,而无需事先让训练有素的眼科专家标记这些结构,这是技术需要专注的地方。”
世界上最常见的眼病与退化性眼病有关,这种眼病会恶化黄斑(眼睛后部或视网膜的一部分),最终导致失明。Sebastian Wolf教授,伯尔尼大学医院Inselspital眼科主任,临床医生,使用oct扫描治疗慢性视网膜疾病,如年龄相关性黄斑变性(AMD)或糖尿病性黄斑水肿(DME)。“随着患者数量的增长,我们需要在临床环境中开发自动化人工智能工具,以帮助医生分析OCT扫描的丰富数据。在会诊过程中,通过对病人OTC药物的分析获得准确、全面的信息,是今后改善此类疾病管理的关键。在这篇论文中提出的工具是实现更好地照顾病人的目标的重要一步。”
机器学习使丰富的图像可利用
为了帮助眼科医生进行临床常规检查和研究,计算机程序可以自动提取、总结和呈现日益增多的常规OCT扫描中最重要的信息。ARTORG AIMI实验室的博士生Thomas Kurmann说:“这种自动化分析可以为医生提供一种成本有效和可靠的工具,从而避免手动检查每一张图像。”“到目前为止,我们的结果表明,我们的人工智能能够持续地以极大的精度自动对最常见的疾病类型进行分类,并识别通常在病理性眼部扫描中发现的广泛的生物标志物。”
来源:伯尔尼大学