Согласно исследованию, представленному на ежегодном собрании Радиологического общества Северной Америки (RSNA), простой глазной осмотр в сочетании с мощной технологией машинного обучения искусственного интеллекта (ИИ) может обеспечить раннее выявление болезни Паркинсона.
Болезнь Паркинсона — это прогрессирующее заболевание центральной нервной системы, которым страдают миллионы людей во всем мире. Диагноз обычно ставится на основании таких симптомов, как тремор, ригидность мышц и нарушение равновесия — подход, имеющий значительные ограничения.
«Проблема с этим методом заключается в том, что у пациентов обычно появляются симптомы только после длительного прогрессирования со значительным повреждением дофаминовых нейронов мозга», — сказал ведущий автор исследования Максимилиан Диаз, доктор биомедицинской инженерии. студент Университета Флориды в Гейнсвилле, Флорида. «Это означает, что мы диагностируем пациентов на поздних стадиях болезни».
Прогрессирование болезни характеризуется распадом нервных клеток, истончающим стенки сетчатки — слой ткани, выстилающий заднюю часть глазного яблока. Заболевание также поражает микроскопические кровеносные сосуды или микрососуды сетчатки. Эти характеристики предоставляют возможность использовать возможности ИИ для исследования изображений глаз на предмет признаков болезни Паркинсона.
Для нового исследования Диас сотрудничал с аспирантом Цзяньцяо Тянем и неврологом Университета Флориды Адольфо Рамирес-Замора, доктором медицины, под руководством Руогу Фанга, доктора философии, директора Департамента интеллектуальной медицинской информатики биомедицинской инженерии Дж. Крейтона Прюитта. Лаборатория обучения и оценки (SMILE).
Сравнение сегментации сосудов из входного изображения: (ac) Метод шкалы серого полностью выбрал первичный сосуд, идущий горизонтально вдоль изображения, тогда как исходный выбор получил только небольшие участки. (df) Улучшенный выбор сосудов позволяет сегментировать отдельные сосуды меньшего размера, обнаруженные на изображении, хотя иногда это ограничивается отдельными частями. (gi) Представление наилучшего выбора сосудов, где выбираются все сосуды, найденные на изображении. Предоставлено: Радиологическое общество Северной Америки.
Исследователи развернули тип ИИ, называемый машинным обучением опорных векторов (SVM), который существует с 1989 года. Используя изображения задней части глаза как у пациентов с болезнью Паркинсона, так и у контрольных участников, они обучили SVM обнаруживать признаки на изображениях. наводящий на мысль о болезни.
Результаты показали, что сети машинного обучения могут классифицировать болезнь Паркинсона на основе сосудистой сети сетчатки, ключевыми особенностями которой являются более мелкие кровеносные сосуды. Предлагаемые методы дополнительно подтверждают идею о том, что изменения физиологии мозга можно наблюдать в глазах.
«Самый важный вывод этого исследования заключался в том, что заболевание головного мозга было диагностировано на основе базовой картины глаза», — сказал Диаз. «Это сильно отличается от традиционных подходов, когда для поиска проблемы с мозгом вы смотрите на разные изображения мозга».
Диас отметил, что традиционные методы визуализации с использованием методов МРТ, КТ и ядерной медицины могут быть очень дорогостоящими. Напротив, новый подход использует базовую фотографию с оборудованием, обычно доступным в офтальмологических клиниках, для получения изображения. Снимки можно делать даже на смартфон со специальным объективом.
Процессы машинного обучения: (а) кровеносные сосуды выбираются из исходного изображения глазного дна сетью машинного обучения под названием U-Net, которая была обучена выбирать кровеносные сосуды в глазу. Затем сосуды передаются в машинный классификатор опорных векторов для диагностики болезни Паркинсона. (b) Полутоновое изображение создается из изображения глазного дна, и эти сосуды выбираются той же сетью U-Net, чтобы улучшить выбор кровеносных сосудов. Предоставлено: Радиологическое общество Северной Америки.
«Это просто простой снимок глаза, вы можете сделать это менее чем за минуту, а стоимость оборудования намного меньше, чем компьютерная томография или МРТ», — сказал Диас. «Если мы сможем проводить ежегодный скрининг, то есть надежда, что мы сможем быстрее выявить больше случаев, что поможет нам лучше понять болезнь и найти лекарство или способ замедлить прогрессирование».
По словам Диаса, этот подход также может найти применение для выявления других заболеваний, влияющих на структуру мозга , таких как болезнь Альцгеймера и рассеянный склероз.