Новая модель глубокого обучения в Катаре была использована для разработки быстрого и точного инструмента диагностики диабета.
Диабетом страдают 537 миллионов человек во всем мире; По данным Международной диабетической федерации, к 2030 году эта цифра, как ожидается, увеличится до 643 миллионов. Тем не менее, такие диагностические инструменты, как анализы на уровень сахара в крови, имеют свои ограничения и не всегда точны.
Исследователи из Медицинской корпорации Хамад и Университета Хамада Бин Халифы использовали данные 5545 участников из Катара для разработки модели глубокого обучения (DiaNet v2), которая может диагностировать диабет с поразительной точностью, используя изображения сетчатки.
Новая модель достигла точности 92% по сравнению с 84% в предыдущей модели, разработанной в 2021 году. По сравнению с другими традиционными диагностическими инструментами, которые основаны на взятии образцов крови для диагностики диабета, модель DiaNet v2 проще и быстрее. и дешевле, и не требует от людей поститься.
«Этот неинвазивный и доступный подход может совершить революцию в выявлении диабета, особенно в регионах мира с высокими показателями заболеваемости, таких как Ближний Восток и Северная Африка (MENA)», — объясняют исследователи в статье, опубликованной в журнале "MENA. Научные отчеты".
«Наше исследование было направлено на повышение точности диагностики диабета путем разработки улучшенной прогностической модели искусственного интеллекта с использованием изображений сетчатки катарского населения, а также на устранение ограничений существующих диагностических методов. Раннее выявление заболевания позволяет своевременно принять меры», — говорит Танвир Алам, доцент Колледжа науки и техники Университета Хамада бин Халифа в Катаре и ведущий автор исследования.
Предыдущие исследования показали, что сетчатка людей с диабетом обычно имеет признаки повреждения в результате этого заболевания; включая мелкие повреждения кровеносных сосудов, отеки, желтые отложения, кровотечения, мутные пятна и участки со сниженным кровотоком. Эти признаки позволяют диагностировать диабет с помощью визуализации сетчатки. Однако побочные эффекты диабета на сетчатку обычно являются поздним осложнением заболевания, и их трудно диагностировать на ранней стадии с помощью визуализации сетчатки.
Усовершенствованная и дополняющая диагностика
Диабет диагностируют и контролируют путем измерения уровня сахара в крови. Уровень глюкозы измеряется случайным образом в течение дня или после голодания в течение как минимум восьми часов. Его также измеряют с помощью теста HbA1C, который показывает средний уровень глюкозы в крови за последние три месяца.
Тест на толерантность к глюкозе также может быть проведен для выявления диабета 2 типа, преддиабета и гестационного диабета. Он включает в себя взятие образца крови для измерения уровня глюкозы после голодания в течение как минимум восьми часов, а затем повторный анализ для измерения уровня через два часа после употребления раствора глюкозы. Эти методы могут быть неудобными для некоторых людей, а у некоторых могут вызвать головокружение и тошноту.
«Хотя [эти методы] широко используются, эти тесты имеют ограничения. Например, тест на глюкозу натощак менее чувствителен при выявлении истинных пациентов, оставляя 30% случаев диабета недиагностированными, в то время как пероральный тест на толерантность к глюкозе является трудоемким и неправильно классифицирует 12% случаев», — говорит Алам.
Модель DiaNet v2 была обучена на 16 000 изображениях сетчатки, взятых у 52 540 человек с диабетом и 3005 здоровых людей.
Модель отличала людей с диабетом от контрольной группы с уровнем специфичности 91%. Существуют и другие попытки диагностировать диабет с использованием изображений сетчатки на основе машинного обучения, в том числе исследование, опубликованное в BMJ Open Diabetes Research & Care в 2022 году, в котором была разработана модель с аналогичным уровнем чувствительности 92% и уровнем специфичности 96,2% с использованием данных 2221 человека.
Модель DiaNet, однако, является первой моделью, разработанной с использованием региональных данных и более крупного пула данных.
Алм отмечает, что предыдущие исследования, проведенные командой, показали полезность изображений сетчатки для раннего выявления сердечно-сосудистых заболеваний и классификации различных заболеваний глаз, включая диабетическую ретинопатию, диабетический макулярный отек и глаукому.
«Этот диагностический подход представляет собой быстрый неинвазивный скрининг диабета и снижает стоимость заболевания и нагрузку на медицинских работников, одновременно повышая качество диагностики и поддерживая принятие решений во время обследования», — говорит Алам.
Гамаль Аль-Машад, профессор офтальмологии в Университете Загазиг в Египте, который не участвовал в исследовании, говорит, что обнаружение заболевания на основе изображений сетчатки может быть дополнительным методом, который облегчает диагностику в отдаленных районах, где нет достаточного количества традиционных диагностических инструментов. .
Метод визуализации сетчатки не заменяет традиционные методы диагностики, но может способствовать эффективному скринингу заболеваний в районах с ограниченными ресурсами и в районах, где отсутствует адекватная инфраструктура здравоохранения.
«Благодаря интеграции нашего решения на базе искусственного интеллекта с платформами телемедицины пациенты в отдаленных районах могут беспрепятственно подключаться, что позволяет быстро и точно диагностировать заболевание за считанные минуты и с минимальными затратами», — говорит Алам.
