Сетчатка глаза может дать представление о здоровье человека, поскольку ее визуализация позволяет напрямую наблюдать капиллярную сеть мельчайших кровеносных сосудов. Например, заболевание сердечно-сосудистой системы, такое как гипертония, может влиять на каждый сосуд в организме, а его визуализация дает представление о тяжести состояния. С другой стороны, сетчатка является продолжением центральной нервной системы, поэтому по ней можно проводить оценку нервной ткани.

До сих пор основанная проблема заключалась в сложности интерпретаций данных — снимков сетчатки, которые можно было бы использовать для диагностики. У врачей такого опыта нет, поэтому основные надежды возложены на искусственный интеллект.

Новый алгоритм RETFound обучили на 1,6 немаркированных изображениях сетчатки. К массиву данных добавили лишь немного проверенных врачами снимков с указанием той или иной патологии у пациента, а также изображения сетчатки здоровых людей.

По словам соавтора исследования Питерса Кина, алгоритм должен узнать о том, как выглядит сетчатка по немаркированным изображениям, а затем легко изучить особенности патологий сетчатки, связанных с заболеваниями.

Принцип обучения аналогичен языковому моделированию ChatGPT, который использует множество примеров текста для предсказания следующего слова на основе контекста.

На данный момент уже показана высокая эффективность в обнаружении признаков заболеваний глаз. Для прогнозирования системных заболеваний, включая сердечные приступы, инсульт, сердечную недостаточность и болезнь Паркинсона, общая эффективность пока ограничена, но все равно превосходит другие модели ИИ.

Сейчас ученые планируют работать в двух направлениях: совершенствовать RETFound для диагностических целей по анализу сетчатки, а также использовать алгоритм для изучения данных МРТ и КТ. Очевидно, что в ближайшие годы ученые постараются внедрить ИИ во все диагностические инструменты для моделирования признаков болезней, чтобы выявлять их на самой ранней стадии.

На данный момент во многих странах ИИ уже стал частью рутинной клинической практики и помогает врачам экономить время на интерпретации результатов. Вместе с тем разрабатываются новые алгоритмы: например, ИИ может определять болезнь Альцгеймера по речи или признаки раннего остеоартрита по рентгену.