Автоматизированная оценка возрастной макулярной дегенерации по цветным изображениям глазного дна с использованием глубоких сверточных нейронных сетей

Значимость: Возрастная макулярная дегенерация (ВМД) поражает миллионы людей во всем мире. Промежуточная стадия может оставаться нераспознанной, поскольку обычно протекает бессимптомно. Однако предпочтительные клинические подходы при ВМД рекомендуют выявлять пациентов с этой стадией заболевания, чтобы обучать их самоконтролю для раннего обнаружения хориоидальной неоваскуляризации до значительной потери зрения и рассматривать возможность назначения пищевых добавок, которые могут снизить риск прогрессирования заболевания с промежуточной до поздней стадии. Тем не менее такое выявление требует много времени и участия специалистов с высокой подготовкой.

Цель: Разработать методы автоматического выявления ВМД по изображениям глазного дна с использованием нового применения методов глубокого обучения для автоматизированной оценки этих изображений и использования достижений искусственного интеллекта.

Дизайн, условия и участники: Глубокие сверточные нейронные сети, специально обученные для автоматизированной оценки ВМД, сравнивали с альтернативным методом глубокого обучения, использовавшим transfer learning и универсальные признаки, а также с обученным клиническим оценщиком. Автоматизированное выявление ВМД применяли в задаче бинарной классификации, в которой требовалось отличить отсутствие заболевания/ранние стадии от направляемых для решения вопроса о тактике промежуточных/поздних стадий. В нескольких экспериментах с различным разделением данных оценивали работу машинных алгоритмов и врачей-оценщиков при анализе более 130 000 изображений, обезличенных по возрасту, полу и расе/этнической принадлежности, от 4613 пациентов, используя эталон, включенный в набор данных National Institutes of Health Age-related Eye Disease Study.

Основные исходы и показатели: Точность, характеристическая кривая оператора-приемника и площадь под кривой, а также коэффициент каппа.

Результаты: Метод глубоких сверточных нейронных сетей обеспечил точность (SD) от 88,4% (0,5%) до 91,6% (0,1%), площадь под кривой характеристической кривой оператора-приемника — от 0,94 до 0,96, а коэффициент каппа (SD) — от 0,764 (0,010) до 0,829 (0,003), что указывало на выраженное согласие с эталоном набора данных Age-related Eye Disease Study.

Выводы и значимость: Применение автоматизированной оценки ВМД по изображениям глазного дна на основе глубокого обучения может давать результаты, сопоставимые с уровнем работы человека. Это исследование показывает, что автоматизированные алгоритмы могут играть роль, не зависящую от экспертных оценщиков, в современной тактике ведения ВМД и могут помочь снизить затраты на скрининг или мониторинг, улучшить доступ к медицинской помощи и оценивать новые методы лечения, направленные на развитие или прогрессирование ВМД.