Алгоритмы искусственного интеллекта непоследовательно обнаруживают диабетическое заболевание глаз

Диабет продолжает оставаться основной причиной новых случаев слепоты среди взрослых в США. Но текущая нехватка офтальмологов сделает невозможным удовлетворение спроса на проведение необходимых ежегодных обследований для этой группы населения. В новом исследовании рассматривается эффективность семи алгоритмов скрининга на основе искусственного интеллекта для диагностики диабетической ретинопатии, наиболее распространенного диабетического заболевания глаз, приводящего к потере зрения.

В статье, опубликованной янв. 5. В разделе «Уход за диабетом» исследователи сравнили алгоритмы с диагностическим опытом специалистов по сетчатке. Пять компаний произвели испытанные алгоритмы: две в США (Eyenuk, Retina-AI Health), одна в Китае (Airdoc), одна в Португалии (Retmarker) и одна во Франции (OphtAI).

Исследователи применили основанные на алгоритмах технологии на изображениях сетчатки почти 24000 ветеранов, которые с 2006 по 2018 годы обращались за обследованием на диабетическую ретинопатию в системе здравоохранения Пьюджет-Саунд по делам ветеранов и в системе здравоохранения Атланты, штат Вирджиния.

Исследователи обнаружили, что алгоритмы работают не так хорошо, как они утверждают. Многие из этих компаний сообщают об отличных результатах клинических исследований. Но их производительность в реальных условиях была неизвестна. Исследователи провели тест, в котором производительность каждого алгоритма и производительность людей, работающих в системе телеретинального скрининга VA, сравнивались с диагнозами, которые были поставлены опытными офтальмологами при просмотре тех же изображений. Три алгоритма работали достаточно хорошо по сравнению с диагнозами врачей, а один – хуже. Но только один алгоритм работал так же хорошо, как и человеческие скринеры в тесте.

"Настораживает, что некоторые из этих алгоритмов не работают стабильно, поскольку они используются где-то в мире," сказал ведущий исследователь Аарон Ли, доцент офтальмологии Медицинской школы Вашингтонского университета.

Одним из объяснений могут быть различия в оборудовании камеры и технике. Исследователи заявили, что их испытание показывает, насколько важно для любой практики, которая хочет использовать скринер AI, сначала протестировать его и следовать рекомендациям о том, как правильно получать изображения глаз пациентов, потому что алгоритмы предназначены для работы с минимальным качеством. изображений.

Исследование также показало, что эффективность алгоритмов варьировалась при анализе изображений из групп пациентов в медицинских учреждениях Сиэтла и Атланты. Это был неожиданный результат, который может указывать на то, что алгоритмы необходимо обучать с более широким спектром изображений.

PHOTOINTERVIEW.RU