Szemészet, 2021 (158. évfolyam, 1-4. szám)
2021-03-01 / 1. szám
Mesterséges intelligencia a szemészetben DR-fundusfotó-alapú szűrése mellett DMO OCT-alapú automatikus elemzése és biomarkereinek visusra vonatkozó előrejelzésében is ismertek már kutatások. Gerendás és munkatársai 2017-es vizsgálatában a DRCR.net Protocol T első évének post hoc analízisét végezték el. 629 beteg OCT-képét automatikusan szegmentálták, detektálva az SRF-et, és intraretinális cisztákat a retina bizonyos rétegeiben, a makula felosztott régióiban. A vizsgálat megerősítette az intraretinális ciszták visusra gyakorolt hatásának kiemelt fontosságát; legmagasabb prognosztikai értéke az első injekció után megszűnő intraretinális cisztáknak volt. A végső visus elő rejelzése ugyanakkor nem volt eléggé precíz, amely alapján a szerzők újabb biomarkerek keresését hangsúlyozzák (33). Retinopathia prematurorum (ROP) A ROP a gyermekkori vakság vezető oka, a ROP-asszociált vakság globális éves incidenciája 32 000 beteget számlál (12). Az alacsony és közepes jövedelmű országokban gyakrabban fordul elő, tekintettel arra, hogy ezekben az országokban magasabb a koraszülöttek aránya, amelyhez limitáltabb oxigénszupport-monitorizálás és alacsonyabb elérhetőségű ROP-szűrés társul (34). Fontos kihangsúlyozni, hogy a ROP diagnózisának aranystandardja továbbra is egy ROP-specialista által végzett szemészeti vizsgálat, amelyhez képest a fundusfotó-alapú diagnosztika inferiornak számít, gondoljunk csak a periféria nem megfelelő fotózására (74). Az akut fázis ROP-vizsgálat eredménye is támogatja ezt, amelyben azt találták, hogy a telemedicinálisan értékelt fundusfotók 25%-ban a kiképzett értékelők további felülvizsgálatot véleményeztek, mert nem volt teljes egyezés közöttük a klinikailag szignifikáns ROP kritériumainak képi értékelésében (23). Ugyanakkor azt is fontos szem előtt tartani, hogy sok ellátóhelyen előfordulhat az, hogy magas szintű a koraszülöttek ellátása és túlélésük biztosítása, emellett viszont nem áll rendelkezésre ROP-specialista szemorvos. Mindezek figyelembevételével a ROP telemedicinális szűrésének, és azon belül is az AI-aszszisztált szűrésnek nagy potenciálja és jelentősége lenne (74). Vannak már próbálkozások AI DL- rendszerekkel a ROP automatikus diagnosztizálására (6). Brown és munkatársai 2018-ban publikált cikkükben egy teljesen automata DL-modellt mutattak be, amelyet 5511 kiértékelt és diagnosztikus címkével ellátott fundusfotón tanítottak az i-ROP-vizsgálat Ret- Cam-mel rögzített adatbázisából. Ezt a tanító adatbázist előzetesen a következőképpen értékelte 3 képelemző: 4535 kép normál címkét kapott, 805 pre-plusz tünetű volt, míg 172 képet plusz tünetek diagnóziscímkével láttak el. A ROP IV. és V. stádiumú (részleges vagy teljes retinaleválás) képeket kizárták a vizsgálatból, mivel ezekben az előrehaladott formákban a plusz tünetek jelenléte, mint a ROP-szűrés lehetséges alapja kevésbé fontos. Az ANN-t ezt követően 100 kép tesztelésével vizsgáztatták, ahol azt találták, hogy az algoritmus 93%-os szenzitivitással és 94%-os specificitással különítette el a plusz tünetekkel rendelkező képeket a normál képektől, míg a pre-plusz vagy még rosszabb tünetekkel rendelkezőket a normálokhoz képest 100% szenzitivitással és 94% specificitással azonosította (17). A ROP különböző zónáiban megjelenő neovaszkularizáció stádiumainak automatikus osztályozása jelentős lehetne, amelyek alapján terápiás döntéseinket alakíthatnánk az AMD-ben, DMO-ban, vagy vénás okklúzióban megszokotthoz hasonlóan (74). A retina egyéb betegségei 2018-ban publikáltak egy olyan AI-modellt, amely OCT-képek 15 retinális morfológiai jellemzőjének figyelembevétele alapján egyrészt { 7 ■ képes 10 különböző OCT patológia osztályozására (CNV, makulaödéma CNV nélkül, drusen, geografikus atrófia, epiretinális membrán, vitreomakuláris trakció, teljes vastagságú makulalyuk, nem teljes vastagságú makulalyuk, choriore tinitis centralis serosa és normál OCT-kép), másrészt pedig egyfajta triázsolást is végez és kategorizál az OCT-kép alapján (sürgős, szemi-sürgős, rutinvizsgálatot igénylő vagy obszerválandó eltérés). Neurális hálózatukat 877 manuálisan jelölt OCT-kép segítségével tanították meg először az OCT-biomarkerek automatikus szegmentálására, majd ezt követően 7621 beteg 14 884 diagnózissal ellátott, de már nem megjelölt OCT-képét is megmutatták a hálónak, hogy megtanulja a különböző patológiák közötti különbségeket. A háló kiértékelését 977 beteg OCT-képén végezték, amelyeket 4 retinaspecialista és 4 kiképzett optometrista is értékelt. Az AUC minden patológia terén több mint 96% felett volt. Modelljük nagy előnye, hogy további fejlesztéseknek köszönhetően különböző gyártmányú OCT-készülékekkel is használható, amelyet a közeljövőben az Egyesült Királyság területén széles körben terveznek bevetni makulabetegségek triázsolására először kórházi körülmények között, azt követően pedig azon kívül is virtuális klinikákon, illetve optikákban (18, 24). Glaukóma 2020-ban mind Nyugat-, mind Közép- és Kelet-Európábán a glaukóma a visszafordíthatatlan vakság leggyakoribb (14,8-28,2%) okaként szerepel (32). Míg a glaukómás betegek számának becsült emelkedése 2040-re Európában mérsékelt lesz, addig globálisan a növekedés a 2013- as adatokhoz képest akár 74% is lehet, közel 112 millió embert érintve enyhébb-súlyosabb formában (83). A glaukómás betegek közel fele azonban nem, vagy csak nagyon késői stádiumban kerül diagnosztizálásra (66). Önmagában nehéz
