Η έρευνα είναι πολλά υποσχόμενη, λένε οι ειδικοί, αλλά χρειάζεται περαιτέρω μελέτη προτού μετατραπεί σε διαγνωστικό εργαλείο.
 Το λογισμικό που αναπτύχθηκε με τη χρήση machine learning μπορεί να χρησιμοποιηθεί για να προβλέψει τον κίνδυνο καρδιακής νόσου σε λιγότερο από ένα λεπτό, αναλύοντας τις φλέβες και τις αρτηρίες του ματιού.

Η νέα έρευνα, που δημοσιεύθηκε στο British Journal of Ophthalmology, ανοίγει το δρόμο για την ανάπτυξη γρήγορων και φθηνών καρδιαγγειακών ελέγχων, εφόσον τα ευρήματα επικυρωθούν σε μελλοντικές κλινικές δοκιμές. Αυτές οι εξετάσεις θα επιτρέπουν στα άτομα να γνωρίζουν τον κίνδυνο εγκεφαλικού επεισοδίου και καρδιακής προσβολής χωρίς να χρειάζονται εξετάσεις αίματος ή ακόμη και μετρήσεις της αρτηριακής πίεσης.
 
«Αυτό το εργαλείο τεχνητής νοημοσύνης θα μπορούσε να ενημερώσει κάποιον σε 60 δευτερόλεπτα ή λιγότερο για το επίπεδο κινδύνου του», δήλωσε η επικεφαλής συγγραφέας της μελέτης, Alicja Rudnicka, στην εφημερίδα The Guardian. Η μελέτη διαπίστωσε ότι οι προβλέψεις ήταν εξίσου ακριβείς με εκείνες που παράγονται από τις τρέχουσες εξετάσεις.
 
Το λογισμικό λειτουργεί αναλύοντας τον ιστό των αιμοφόρων αγγείων που περιέχονται στον αμφιβληστροειδή χιτώνα του ματιού. Μετράει τη συνολική επιφάνεια που καλύπτουν αυτές οι αρτηρίες και οι φλέβες, καθώς και το πλάτος και το «ελικοειδές» τους (πόσο καμπυλωτά είναι). Όλοι αυτοί οι παράγοντες επηρεάζονται από την υγεία της καρδιάς ενός ατόμου, επιτρέποντας στο λογισμικό να κάνει προβλέψεις σχετικά με τον κίνδυνο ενός ατόμου από καρδιακές παθήσεις, απλά κοιτάζοντας ένα μη επεμβατικό στιγμιότυπο του ματιού του.
 
«Το μάτι μπορεί να χρησιμοποιηθεί ως παράθυρο για το υπόλοιπο σώμα».
 
«Η μελέτη προστίθεται σε έναν αυξανόμενο όγκο γνώσεων ότι το μάτι μπορεί να χρησιμοποιηθεί ως παράθυρο στο υπόλοιπο σώμα», δήλωσε στο The Verge ο Pearse Keane, ερευνητής στην οφθαλμολογία και την ανάλυση τεχνητής νοημοσύνης που δεν συνδέεται με τη μελέτη.

«Οι γιατροί γνωρίζουν για περισσότερα από εκατό χρόνια ότι μπορείτε να κοιτάξετε στο μάτι και να δείτε σημάδια διαβήτη και υψηλής αρτηριακής πίεσης. Αλλά το πρόβλημα ήταν η χειροκίνητη αξιολόγηση: η χειροκίνητη οριοθέτηση των αγγείων από ανθρώπους εμπειρογνώμονες».

«Η χρήση της μηχανικής μάθησης», λέει ο Keane, «μπορεί να ξεπεράσει αυτή την πρόκληση».
 
Η χρήση της τεχνητής νοημοσύνης για τη διάγνωση ασθενειών από σαρώσεις οφθαλμών έχει αποδειχθεί ότι είναι ένας από τους ταχύτερα αναπτυσσόμενους τομείς της ιατρικής με machine learning.

Η πρώτη διαγνωστική συσκευή τεχνητής νοημοσύνης που εγκρίθηκε ποτέ από τον FDA χρησιμοποιήθηκε για τον έλεγχο οφθαλμικών ασθενειών, και η έρευνα δείχνει ότι η τεχνητή νοημοσύνη μπορεί να ανιχνεύσει με αυτόν τον τρόπο μια σειρά ασθενειών, από τη διαβητική αμφιβληστροειδοπάθεια έως τη νόσο Αλτσχάιμερ (τομέας έρευνας του ίδιου του Keane).

Τα εργαλεία που χρησιμοποιούν αυτά τα ευρήματα βρίσκονται σε διάφορα στάδια ανάπτυξης, αλλά παραμένουν ερωτήματα σχετικά με την αξιοπιστία και την καθολικότητα των διαγνώσεών τους.

Αυτή η πρόσφατη μελέτη, που διεξήχθη από μια ομάδα του St George's, Πανεπιστήμιο του Λονδίνου, ελέγχθηκε μόνο στις οφθαλμικές σαρώσεις λευκών ασθενών.

Η ομάδα προμηθεύτηκε τα δεδομένα των εξετάσεών της από τη βρετανική BioBank, μια βάση δεδομένων που τυχαίνει να είναι κατά 94,6% λευκή (αντανακλώντας τα δημογραφικά χαρακτηριστικά του ίδιου του Ηνωμένου Βασιλείου όσον αφορά το ηλικιακό φάσμα των ασθενών που περιλαμβάνονται στη BioBank).

Τέτοιες μεροληψίες θα πρέπει να εξισορροπηθούν στο μέλλον, ώστε να διασφαλιστεί ότι οποιοδήποτε διαγνωστικό εργαλείο είναι εξίσου ακριβές για διαφορετικές εθνικότητες.

Οι ερευνητές συνέκριναν τα αποτελέσματα από το λογισμικό τους, το οποίο ονομάστηκε QUARTZ (ένα ευρηματικό ακρωνύμιο που προέρχεται από τη φράση «QUantitative Analysis of Retinal vessels Topology and siZe»), με προβλέψεις 10ετούς ρίσκου που παρήγαγε το τυπικό τεστ Framingham Risk Score (FRS).

Διαπίστωσαν ότι οι δύο μέθοδοι είχαν «συγκρίσιμες επιδόσεις».
 
Η μεγάλη πρόκληση, λέει ο Keane, είναι η μεταφορά αυτού του είδους της εργασίας από τον «κώδικα στην κλινική».

Ποιος μπορεί να μετατρέψει αυτού του είδους την έρευνα σε διαγνωστικό εργαλείο, αναρωτιέται – θα είναι η Εθνική Υπηρεσία Υγείας (NHS) του Ηνωμένου Βασιλείου ή μια εταιρεία που θα προκύψει από το πανεπιστήμιο; Και τι επίπεδο επιδόσεων θα απαιτήσουν οι ρυθμιστικές αρχές πριν εγκρίνουν τη χρήση του λογισμικού;

«Σε ποιο σημείο θα πούμε ‘’ας βάλουμε ένα καρφί, τελειώσαμε’’ και θα το μετατρέψουμε σε εμπορικό προϊόν;».
 
  Πηγή: https://www.theverge.com/2022/10/7/23392375/ai-scan-retina-predict-heart-disease-stroke-risk-machine-learning?_kx=C7UAZq3CQt6_rcDIE6L7aZO_AKQgLKX_XJROkTUVql8%3D.UcEJx6