21.09.2020 |
Yim J, Chopra R, Spitz T, Winkens J, Obika A, Kelly C, Askham H, Lukic M, Huemer J, Fasler K, Moraes G, Meyer C, Wilson A, Dixon J, Hughes C, Rees G, Khaw PT, Karthikesalingam A, King D, Hassabis D, Suleyman M, Back T, Ledsam JR, Keane PA, De Fauw J.
ניבוי מעבר למצב רטוב של דגנרציה מקולרית מחמת גיל על ידי שימוש בלמידה עמוקה
מתקצר: פרופ' מרדכי רוזנר
היישום של אינטליגנציה מלאכותית (AI) בסיווג מחלות הראה שיש בו הבטחה להרחבת השימוש בו. בעזרתה אפשר יהיה לשפר את דיוק האבחנות של הדמיות רפואיות, לשפר את הבנתנו בהתפתחות מחלות ולנבא סיכון עתידי להתחלת מחלה ולהתקדמותה.
ניבוי התקדמות המחלה חשוב במיוחד בדגנרציה מקולרית מחמת גיל ((AMD. זוהי הסיבה השכיחה ביותר לעיוורון בעולם המפותח, ובארה"ב לבד מעריכים שכל שנה 148,000 מבוגרים מידרדרים מהצורה המוקדמת הקלה לצורה המאוחרת המסכנת את הראייה ומכונה AMD אקסודטיבי ((exAMD.
נקודת המעבר מהצורה הקלה לצורה המאוחרת הינה קריטית בטיפול ב- AMD. כאשר הפגיעה בעין אחת ניתן עדיין להסתמך על הראייה בעין השנייה, אך כ-20 אחוזים מפתחת מחלה אקסודטיבית גם בעין השנייה תוך שנתיים. מצב כזה מונע מהחולים פעילות יומיומית בסיסית כמו קריאה, זיהוי פנים ונהיגה.
הטיפול ב- AMD יעיל ביותר אם ניתן זמן קצר לאחר השינוי למצב האקסודטיבי. אי לכך מעקב סדיר הינו הכרחי, אך לא תמיד הוא אפשרי.
נחוצות שיטות אמינות לזיהוי AMD אקסודטיבי לפני תחילתו כדי למנוע מתן טיפולים חודרניים יקרים לעין השנייה של כל החולים עם AMD אקסודטיבי בעין אחת, כאשר רבים מהם לא יפתחו כלל מחלה אקסודטיבית בעינם השנייה.
כיום הקלינאים לא יכולים לנבא באופן מדויק אפשרות של מעבר למצב אקסודטיבי למרות ההתקדמות בזיהוי מדדים פרוגנוסטיים מהדמיה של הפונדוס.
כדי לתת מענה לאתגר זה מוצגת על ידי החוקרים מערכת AI שמטרתה לנבא אם העין השנייה תפתח מצב אקסודטיבי במהלך תקופה של חצי שנה.
המערכת מבוססת על הדמיות OCT. כדי להבין טוב יותר את ביצועי מומחים במשימה זו, בוצעה השוואה של ביצועי המודל של המערכת עם ביצועי מומחים.
בנוסף נחקרו סגמנטציות אוטומטיות של הרקמות הרלבנטיות מבחינה קלינית כדי לזהות שינויים מוקדמים ולבחון תת-קבוצות עם סיכון גבוה.
החוקרים היו מלונדון, בריטניה: מחברת DeepMind, מ- NIHR Biomedical Research Centre של בית חולים לעיניים מורפילדס ומכון UCL לרפואת עיניים, מ- Google Health ומהקולג' האוניברסיטאי של לונדון.
לחולים בהם אובחנה AMD אקסודטיבי בעין אחת הוצגה מערכת AI כדי שתנבא הדרדרות למצב אקסודטיבי בעין השנייה. באמצעות שיתוף מודלים המבוססים על תמונות OCT בתלת-ממד ומפות אוטומטיות מתאימות של רקמת הרשתית המערכת מנבאת את הסיכון למעבר למצב אקסודטיבי תוך חצי שנה.
המערכת השיגה רגישות של 80 אחוזים ברמת ספציפיות של 55 אחוז ב-78 אחוזים מהעיניים עם חיוביים שגויים (false positives) ב-56 אחוזים, ורגישות של 34 אחוזים ברמת ספציפיות של 90 אחוזים ב-41 אחוזים מהעיניים עם חיוביים שגויים ב-17 אחוזים.
בנוסף לכך נמצא שהסגמנטציה האוטומטית של ההדמיות של הרקמות עשויה לזהות שינויים אנטומיים לפני המעבר לשלב האקסודטיבי ולאתר תת-קבוצות בסיכון גבוה.
מערכת AI זו מסוגלת להתגבר על מידה ניכרת של שונות בין בודקים (interobserver variability) בתחזיות של המומחים, וביצועיה היו טובים יותר משל חמישה מתוך ששה מומחים. מערכת זו מדגימה את הפוטנציאל בשימוש במערכות AI לניבוי הדרדרות ב-AMD.