Катаракта — это общее название частичного или полного помутнения хрусталика. По оценкам, 52,6 миллиона человек в мире страдают от умеренных и тяжелых нарушений зрения, и катаракта является основной причиной излечимой слепоты. Хирургия катаракты — одно из наиболее экономически эффективных медицинских вмешательств, однако в странах с низким и средним уровнем дохода ограниченные ресурсы и длительное время ожидания являются препятствиями для лечения.
В последние годы цифровые технологии, особенно искусственный интеллект (ИИ), стали применяться на нескольких этапах лечения катаракты. Области применения ИИ в основном делятся на три категории.
Помощь в диагностике: автоматическое обнаружение и классификация степени тяжести катаракты с помощью щелевых ламп и фотографий глазного дна.
Расчет оптической силы интраокулярной линзы: высокоточное прогнозирование послеоперационных рефракционных результатов с помощью алгоритмов машинного обучения
Хирургическая поддержка : распознавание интраоперационных фаз, прогнозирование риска осложнений, обучение на основе VR
Старение населения ведет к росту спроса на операции по удалению катаракты, в то время как офтальмологическая помощь не успевает за этим. Технология ИИ рассматривается как средство для устранения этого разрыва между спросом и предложением.
QПочему ИИ необходим для лечения катаракты?
A
С ростом численности пожилого населения спрос на операции по удалению катаракты быстро увеличивается, однако предложение офтальмологической помощи расширяется недостаточно. Особенно в странах с низким и средним уровнем дохода и в сельских районах много недиагностированных катаракт. Использование ИИ для удаленной диагностики и скрининга может сократить неравенство в доступе к медицинской помощи.
Катаракта в основном связана с возрастом. Распространенность, включая ранние помутнения, составляет около 45% у людей в возрасте 50 лет, 75% в 60 лет, 85% в 70 лет и 100% у лиц старше 80 лет. Основные типы помутнения: кортикальный, ядерный и заднекапсулярный. У японцев наиболее распространена кортикальная катаракта.
Для классификации тяжести катаракты используются LOCS III (Lens Opacities Classification System III), классификация ВОЗ и классификация Эмери-Литтла. Классификация Эмери-Литтла оценивает цвет ядра по 5 степеням и широко используется для оценки сложности операции.
Медикаментозной терапии для устранения помутнения хрусталика не существует. При снижении зрительной функции стандартным лечением является факоэмульсификация (ФЭК) с имплантацией интраокулярной линзы (ИОЛ). Благодаря прогрессу хирургических инструментов возможен разрез около 2 мм, что позволяет быстро вернуться к социальной жизни. В последнее время клинически применяется также фемтосекундная лазерная хирургия катаракты.
В настоящее время катаракта диагностируется клинически офтальмологом с помощью щелевой лампы, что требует очного осмотра. Однако в развивающихся странах и сельских районах доступ затруднен, поэтому недиагностированная катаракта является серьезной проблемой.
Платформы удаленной диагностики с поддержкой ИИ могут снизить эти барьеры доступа. Особенно при детской катаракте быстрая диагностика крайне важна для предотвращения необратимой амблиопии.
Автоматическое обнаружение катаракты с помощью глубокого обучения
Модель Wu и соавт. : Обучена на примерно 38 000 снимках с щелевой лампой. Достигает чувствительности и специфичности более 95% для выявления катаракты и классификации степени тяжести. Сообщается о чувствительности и специфичности около 80% при определении твердости ядра по трем степеням.
Ли и др. (Visionome) : Диагностика заболеваний переднего сегмента, включая катаракту, по фотографиям с щелевой лампы. Точность 79,47–99,22%, что превосходит показатели офтальмолога с одним годом клинического опыта.
На основе фотографий глазного дна
Модель Xu и др. : Ансамблевый алгоритм CNN (AlexNet + VisualDN) с входными фотографиями глазного дна. Достигает точности 86,2% при обнаружении и классификации катаракты.
Модель на основе ResNet (Wu и др.) : Трехэтапная дифференциация катарактального хрусталика, глаза с интраокулярной линзой и нормального глаза с AUC более 0,99.
Wu и др. предлагают трехэтапную модель: (1) самоконтроль с помощью смартфона, (2) диагностика ИИ по фотографиям переднего сегмента, (3) телемедицина офтальмолога с использованием облачной платформы. Эта система может увеличить в десять раз население, обслуживаемое одним офтальмологом. Диагностика ИИ в офтальмологии с момента публикации статьи по скринингу диабетической ретинопатии в 2016 году сначала продвигалась в области заболеваний сетчатки и глаукомы с использованием фотографий глазного дна и ОКТ заднего сегмента, но в последние годы расширилась на применение к фотографиям переднего сегмента с щелевой лампой.
QМожно ли диагностировать катаракту с помощью смартфона?
A
Хотя это еще на стадии исследования, была предложена система, в которой ИИ анализирует изображения переднего сегмента, сделанные с помощью смартфона, для определения наличия и степени тяжести катаракты. Для клинического применения требуется дальнейшая валидация, но это может быть полезно для скрининга в отдаленных районах.
4. Цифровые инструменты для расчета оптической силы интраокулярных линз
При хирургии катаракты требуются точные послеоперационные рефракционные результаты. Традиционные формулы расчета интраокулярных линз обеспечивали недостаточную точность прогнозирования для глаз после рефракционной хирургии или пациентов с экстремальными биометрическими показателями. Новое поколение формул на основе ИИ решает эту проблему.
Sramka и др. : оценили модель регрессии SVM и ансамблевую модель многослойной нейронной сети (MLNN-EM), обе показали более высокую точность прогнозирования по сравнению с традиционными клиническими методами.
Ladas и др. : уточнили прогнозы, комбинируя существующие формулы расчета интраокулярных линз (SRK, Holladay I, Ladas Super formula) с алгоритмами обучения с учителем (SVR, XGB, ANN).
Формулы расчета интраокулярных линз нового поколения на основе ИИ
Стабильно входит в тройку лучших в сравнительных исследованиях
Hill-RBF
Распознавание образов на основе ИНС
Анализ больших наборов данных рефракции
PEARL-DGS
Линеаризация выхода ML
Корректировка для экстремальных биометрических измерений
Формула Kane сочетает теоретическую модель с регрессионным анализом и компонентами ИИ. В сравнительных исследованиях она превосходит формулы третьего поколения, такие как Barrett Universal II, Haigis и Olsen, и стабильно входит в тройку лучших среди формул нового поколения. Она также показывает приемлемые результаты в крайних случаях длины оси.
Hill-RBF (радиальная базисная функция) — это калькулятор интраокулярных линз на основе искусственной нейронной сети, который анализирует огромный набор данных о результатах рефракции с помощью распознавания образов и интерполяции данных.
Формула PEARL-DGS использует моделирование машинного обучения и линеаризацию выхода для прогнозирования эффективного положения линзы и корректировки экстремальных биометрических измерений.
Karmona — это подход к расчету оптической силы интраокулярных линз, основанный на данных, который использует несколько моделей машинного обучения, таких как метод k-ближайших соседей, искусственные нейронные сети, метод опорных векторов и случайный лес, для прогнозирования силы.
QКаковы преимущества использования ИИ для расчета интраокулярных линз?
A
Традиционные формулы расчета интраокулярных линз основаны на конкретных теоретических моделях, что может приводить к большим погрешностям в случаях глаз после рефракционной хирургии или с экстремально длинной/короткой аксиальной длиной. Формулы на основе ИИ обучаются на больших объемах данных, что позволяет им сохранять высокую точность прогнозирования даже в таких особых случаях.
Операция по удалению катаракты состоит из нескольких фаз (передний капсулорексис, обработка ядра хрусталика, аспирация кортикальных масс, имплантация интраокулярной линзы и т.д.). Автоматический анализ хирургических видео с помощью ИИ позволяет идентифицировать каждую фазу.
Yu и др. : Комбинация информации о метках хирургических инструментов с видеокадрами позволяет достичь наивысшей точности обнаружения фаз.
Quellec и др. : Разработана автономная система анализа видео, способная распознавать хирургические задачи в реальном времени.
Автоматическая идентификация фаз является основой для пофазовой оценки хирургических навыков и обратной связи в реальном времени.
Lanza и др. проанализировали 1229 операций по удалению катаракты, включающих 73 ошибки, и создали модель ИИ для выявления факторов риска интраоперационных осложнений и прогнозирования общего времени операции.
Eyesi (Haag-Streit) — это коммерческая система обучения на основе офтальмологического симулятора, которая обеспечивает интеллектуальное обучение, объединяя виртуальную реальность (VR) и ИИ. Она создает среду, в которой учащиеся могут освоить процедурные навыки до контакта с реальными пациентами.
Если клиническое внедрение ИИ в лечение катаракты окажется успешным, ожидаются долгосрочные выгоды, такие как повышение эффективности медицинской помощи, улучшение доступа и снижение затрат. Особенно значительными будут преимущества для малообеспеченных слоев населения.
Однако для практического применения существуют следующие проблемы.
Этическое управление данными : обеспечение безопасности и конфиденциальности данных пациентов
Проверка универсальности : стабильность производительности в разных расах, регионах и на разных устройствах
Недостаток клинической проверки : лишь несколько клинических испытаний оценили эффективность систем ИИ в реальных условиях.
Устранение предвзятости : если обучающие данные имеют предвзятость, в решениях ИИ возникают систематические ошибки
Принятие пользователями : формирование доверия и понимания ИИ как у медицинских работников, так и у пациентов
На сегодняшний день лишь немногие алгоритмы подтвердили свою надежность в клинических условиях. Для установления полезности систем ИИ необходимы дополнительные рандомизированные контролируемые исследования.
QБлизок ли день, когда ИИ будет ставить диагноз катаракты?
A
Хотя на исследовательском уровне сообщается о высокой точности, полное внедрение в клиническую практику все еще сопряжено с трудностями. Необходимы проверка обобщаемости на разных популяциях, подтверждение эффективности в крупномасштабных клинических испытаниях и создание этичного управления данными. В ближайшей перспективе реалистично использование в качестве вспомогательного инструмента для диагностики офтальмологом.
Ahuja AS, Paredes AA 3rd, Eisel MLS, et al. Applications of Artificial Intelligence in Cataract Surgery: A Review. Clin Ophthalmol. 2024;18:2969-2975. PMID: 39434720.
GBD 2019 Blindness and Vision Impairment Collaborators; Vision Loss Expert Group of the Global Burden of Disease Study. Causes of blindness and vision impairment in 2020 and trends over 30 years, and prevalence of avoidable blindness in relation to VISION 2020: the Right to Sight: an analysis for the Global Burden of Disease Study. Lancet Glob Health. 2021;9(2):e144-e160. PMID: 33275949.
Wu X, Huang Y, Liu Z, et al. Universal artificial intelligence platform for collaborative management of cataracts. Br J Ophthalmol. 2019;103(11):1553-1560. PMID: 31481392.
Connell BJ, Kane JX. Comparison of the Kane formula with existing formulas for intraocular lens power selection. BMJ Open Ophthalmol. 2019;4(1):e000251. PMID: 31179396.
Roberts TV, Hodge C, Sutton G, Lawless M; Vision Eye Institute IOL outcomes registry contributors. Comparison of Hill-radial basis function, Barrett Universal and current third generation formulas for the calculation of intraocular lens power during cataract surgery. Clin Exp Ophthalmol. 2018;46(3):240-246. PMID: 28778114.
Yu F, Silva Croso G, Kim TS, et al. Assessment of Automated Identification of Phases in Videos of Cataract Surgery Using Machine Learning and Deep Learning Techniques. JAMA Netw Open. 2019;2(4):e191860. PMID: 30951163.
Thomsen ASS, Bach-Holm D, Kjærbo H, et al. Operating Room Performance Improves after Proficiency-Based Virtual Reality Cataract Surgery Training. Ophthalmology. 2017;124(4):524-531. PMID: 28017423.
Скопируйте текст статьи и вставьте его в выбранный ИИ-ассистент.
Статья скопирована в буфер обмена
Откройте ИИ-ассистент ниже и вставьте скопированный текст в чат.
