Ένα προηγμένο εργαλείο ΑΙ μπορεί να κάνει διαγνώσεις μελετώντας τον αμφιβληστροειδή χιτώνα.
Διεθνής ομάδα επιστημόνων ανέπτυξε ένα εργαλείο τεχνητής νοημοσύνης ικανό να διαγνώσει και να προβλέψει τον κίνδυνο ανάπτυξης πολλαπλών καταστάσεων υγείας (από οφθαλμικές παθήσεις έως καρδιακή ανεπάρκεια και νόσο του Πάρκινσον) όλα με βάση τις εικόνες του αμφιβληστροειδούς των ανθρώπων.
Τα εργαλεία τεχνητής νοημοσύνης έχουν εκπαιδευτεί στο παρελθόν να ανιχνεύουν ασθένειες χρησιμοποιώντας εικόνες αμφιβληστροειδούς αλλά αυτό που κάνει το νέο εργαλείο, που ονομάζεται RETFound, ιδιαίτερο είναι ότι αναπτύχθηκε χρησιμοποιώντας ένα κλάδο της τεχνητής νοημοσύνης γνωστό ως αυτο-εποπτευόμενη μάθηση. Αυτό σημαίνει ότι οι ερευνητές δεν χρειάστηκε να αναλύσουν καθεμία από τις 1,6 εκατομμύρια εικόνες αμφιβληστροειδούς που χρησιμοποιήθηκαν για μελέτη και να τις χαρακτηρίσουν ως «φυσιολογικές» ή «μη φυσιολογικές». Τέτοιες διαδικασίες είναι χρονοβόρες και δαπανηρές και απαιτούνται κατά την ανάπτυξη των περισσότερων τυπικών μοντέλων μηχανικής μάθησης.
Αντίθετα, οι επιστήμονες χρησιμοποίησαν μια μέθοδο παρόμοια με αυτή που χρησιμοποιήθηκε για την εκπαίδευση γλωσσικών μοντέλων όπως το ChatGPT. Αυτό το εργαλείο AI αξιοποιεί μυριάδες δείγματα κειμένου για να μάθει πώς να προβλέπει την επόμενη λέξη σε μια πρόταση από τα συμφραζόμενα των προηγούμενων λέξεων. Με τον ίδιο τρόπο, το RETFound χρησιμοποιεί ένα πλήθος φωτογραφιών αμφιβληστροειδούς για να μάθει πώς να προβλέπει πώς θα πρέπει να μοιάζουν τα τμήματα των εικόνων που λείπουν.
«Κατά τη διάρκεια εκατομμυρίων εικόνων, το μοντέλο μαθαίνει πώς μοιάζει ο αμφιβληστροειδής και ποια είναι όλα τα χαρακτηριστικά ενός αμφιβληστροειδούς», λέει ο Πιρς Κιν οφθαλμίατρος στο δημόσιο νοσοκομείο Moorfields Eye στο Λονδίνο εκ των επικεφαλής της ερευνητικής ομάδας. Αυτό αποτελεί τον ακρογωνιαίο λίθο του μοντέλου και το ταξινομεί ως αυτό που ορισμένοι αποκαλούν μοντέλο θεμελίωσης, πράγμα που σημαίνει ότι μπορεί να προσαρμοστεί για πολλές εργασίες.
Ο αμφιβληστροειδής ενός ατόμου μπορεί να προσφέρει ένα παράθυρο στην υγεία του, επειδή είναι το μόνο μέρος του ανθρώπινου σώματος μέσω του οποίου μπορεί να παρατηρηθεί άμεσα το τριχοειδές δίκτυο, που αποτελείται από τα μικρότερα αιμοφόρα αγγεία. «Εάν έχετε κάποια καρδιαγγειακή νόσο, όπως η υπέρταση, η οποία επηρεάζει δυνητικά κάθε αιμοφόρο αγγείο στο σώμα σας, μπορούμε να το δούμε απευθείας σε εικόνες του αμφιβληστροειδούς» λέει ο Κιν.
Οι αμφιβληστροειδείς είναι επίσης μια προέκταση του κεντρικού νευρικού συστήματος διαθέτοντας ομοιότητες με τον εγκέφαλο, πράγμα που σημαίνει ότι οι εικόνες του αμφιβληστροειδούς μπορούν να χρησιμοποιηθούν για την αξιολόγηση του νευρικού ιστού. «Το θέμα είναι ότι πολλές φορές οι άνθρωποι δεν έχουν την τεχνογνωσία να ερμηνεύσουν αυτές τις σαρώσεις. Εδώ μπαίνει η τεχνητή νοημοσύνη» λέει ο Κιν.
Αφού το σύστημα RETFound εκπαιδεύτηκε στις 1,6 εκατομμύρια εικόνες αμφιβληστροειδούς ο Κιν και οι συνάδελφοί του μπορούσαν στη συνέχεια να εισαγάγουν έναν μικρό αριθμό εικόνων με ειδική σήμανση, π.χ. 100 εικόνες αμφιβληστροειδούς από άτομα που είχαν αναπτύξει Πάρκινσον και 100 από άτομα που δεν είχαν Πάρκινσον ώστε να εκπαιδευθεί το μοντέλο και σε πιο εξειδικευμένες περιπτώσεις. «Έχοντας μάθει από όλες τις εικόνες χωρίς σήμανση πώς πρέπει να μοιάζει ένας αμφιβληστροειδής το εργαλείο ήταν πλέον σε θέση να μάθει εύκολα τα χαρακτηριστικά του αμφιβληστροειδούς που σχετίζονται με μια ασθένεια» λέει ο Κιν. Ετσι οι ερευνητές ξεκινούν τώρα την εκπαίδευση του εργαλείου για να εντοπίζει όσο το δυνατόν περισσότερες ασθένειες.
