Un gruppo di Singapore utilizza l'intelligenza artificiale per lo screening del glaucoma / Singapore team uses AI to screen for glaucoma
Un gruppo di Singapore utilizza l'intelligenza artificiale per lo screening del glaucoma Il procedimento del brevetto ENEA RM2012A000637 è molto utile in questo tipo di applicazione. / Singapore team uses AI to screen for glaucoma. The procedure of the ENEA patent RM2012A000637 is very useful in this type of application.
Il dott. Leonard Yip (a sinistra) del TTSH e il prof. associato Wang Lipo della NTU Singapore hanno guidato un gruppo per sviluppare un nuovo metodo che utilizza l'intelligenza artificiale per lo screening del glaucoma (Credito: NTU Singapore) / TTSH’s Dr Leonard Yip (left) and NTU Singapore’s Assoc Prof Wang Lipo led a team to develop a novel method that uses AI to screen for glaucoma
L'intelligenza artificiale viene utilizzata per lo screening del glaucoma, un gruppo di malattie oculari che possono causare perdita della vista e cecità attraverso danni al nervo ottico, nella parte posteriore dell'occhio.
Gli scienziati della Nanyang Technological University di Singapore (NTU Singapore), in collaborazione con i medici del Tan Tock Seng Hospital (TTSH), hanno sviluppato un metodo basato sull'intelligenza artificiale che utilizza algoritmi per distinguere i nervi ottici affetti da glaucoma da quelli normali. Questo risultato viene ottenuto analizzando le "immagini stereo del fondo oculare", ovvero immagini 2D multi-angolari della retina, combinate per formare un'immagine 3D.
Testato su immagini stereo del fondo oculare di pazienti con TTSH sottoposti a visita specialistica, il metodo AI ha prodotto un'accuratezza del 97% nella diagnosi del glaucoma.
Il glaucoma è solitamente asintomatico fino agli stadi avanzati, quando la prognosi è infausta. È la principale causa di cecità irreversibile in tutto il mondo e, di pari passo con il rapido invecchiamento della popolazione, si prevede che colpirà 111,8 milioni di persone a livello globale entro il 2040.
Il metodo di diagnosi automatizzata del glaucoma sviluppato da NTU e TTSH, descritto in uno studio pubblicato su Methods nel giugno 2021, potrebbe potenzialmente essere utilizzato nelle aree meno sviluppate in cui i pazienti non hanno accesso agli oculisti, hanno affermato gli scienziati.
Il professore associato Wang Lipo della Facoltà di Ingegneria Elettrica ed Elettronica della NTU e autore principale dello studio ha affermato: "Attraverso una combinazione di tecniche di apprendimento automatico, il nostro gruppo ha sviluppato un modello di screening in grado di diagnosticare il glaucoma dalle immagini del fondo oculare, eliminando la necessità per gli oculisti di effettuare varie misurazioni cliniche... per la diagnosi.
"La facilità d'uso del nostro solido approccio automatizzato alla diagnosi del glaucoma significa che qualsiasi professionista sanitario potrebbe utilizzare il sistema per facilitare lo screening del glaucoma. Ciò sarà particolarmente utile nelle aree geografiche con minore accesso agli oculisti."
Il sistema diagnostico automatizzato per il glaucoma utilizza algoritmi per analizzare le immagini stereo del fondo oculare acquisite a coppie da due telecamere da punti di vista diversi. Queste immagini 2D "sinistra" e "destra" del fondo oculare contribuiscono a formare una vista 3D una volta combinate.
Utilizzando due immagini si garantisce che, se una di queste è di scarsa qualità, l'altra può compensare ed il sistema può mantenere le sue prestazioni, hanno affermato gli scienziati.
L'insieme di algoritmi è composto da una rete neurale convoluzionale profonda e da una rete guidata dall'attenzione. La prima imita il processo biologico del cervello umano per adattarsi all'apprendimento di nuove conoscenze, mentre la rete guidata dall'attenzione imita il modo in cui il cervello si concentra selettivamente su alcune caratteristiche rilevanti, come la regione della testa del nervo ottico nelle immagini del fondo oculare.
Gli output di questi due componenti vengono poi fusi insieme per generare il risultato finale della previsione.
Per testare i loro algoritmi, gli scienziati hanno ridotto la risoluzione di 282 immagini del fondo oculare (70 casi di glaucoma e 212 casi sani) scattate a pazienti TTSH durante lo screening oculistico, prima di addestrare gli algoritmi con il 70 percento del set di dati.
Per generare più campioni di addestramento, gli scienziati hanno anche applicato l'aumento delle immagini, una tecnica che prevede l'applicazione di trasformazioni casuali ma realistiche, come la rotazione delle immagini, per aumentare la diversità del set di dati utilizzato per addestrare gli algoritmi, il che ne migliora l'accuratezza della classificazione.
Il gruppo ha poi testato il metodo di screening sul restante 30 percento delle immagini dei pazienti e ha scoperto che aveva una precisione del 97 percento nell'identificazione corretta dei casi di glaucoma.
"Prestazioni eccellenti e stabili sono particolarmente importanti nella diagnosi medica e questo studio ha dimostrato che il nostro modello di combinazione di reti neurali convoluzionali profonde con meccanismi di attenzione ha prodotto un approccio di screening affidabile ed efficiente basato sull'intelligenza artificiale per il glaucoma", ha affermato il Prof. Wang.
ENGLISH
Artificial intelligence is being used to screen for glaucoma, a group of eye diseases that can cause vision loss and blindness through damage to the optic nerve at the back of the eye.
Scientists from Nanyang Technological University, Singapore (NTU Singapore), in collaboration with clinicians at Tan Tock Seng Hospital (TTSH), Singapore developed the AI-enabled method which uses algorithms to differentiate optic nerves with glaucoma from those that are normal. This is done by analysing ‘stereo fundus images’, multi-angle 2D images of the retina that are combined to form a 3D image.
When tested on stereo fundus images from TTSH patients undergoing expert examination, the AI method yielded an accuracy of 97 per cent in diagnosing glaucoma.
Glaucoma is usually asymptomatic until latter stages, when prognosis is poor. It is the principal cause of irreversible blindness worldwide and, in tandem with the rapid growth of the ageing population, is expected to affect 111.8 million people globally by 2040.
The automated glaucoma diagnosis method developed by NTU and TTSH, described in a study published in Methods in June 2021, could potentially be used in less developed areas where patients lack access to ophthalmologists, said the scientists.
Associate Professor Wang Lipo from the NTU School of Electrical and Electronic Engineering and lead author of the study said: “Through a combination of machine learning techniques, our team has developed a screening model that can diagnose glaucoma from fundus images, removing the need for ophthalmologists to take various clinical measurements…for diagnosis.
"The ease of use of our robust automated glaucoma diagnosis approach means that any healthcare practitioner could make use of the system to help in glaucoma screening. This will be especially helpful in geographical areas with less access to ophthalmologists.”
The automated glaucoma diagnostic system uses algorithms to analyse stereo fundus images taken as pairs by two cameras from different viewpoints. These 2D ‘left’ and ‘right’ images of the fundus help to form a 3D view when combined.
Using two images ensures that if one image is poor quality, the other image can usually compensate and the system can maintain its performance, the scientists said.
The set of algorithms is made up of a deep convolutional neural network and an attention-guided network. The former mimics the human brain’s biological process to adapt to learning new things, while the attention-guided network imitates the brain’s manner of selectively focusing on a few relevant features, such as the optic nerve head region in the fundus images.
The outputs from these two components are then fused together to generate the final prediction result.
To test their algorithms, the scientists reduced the resolution of 282 fundus images (70 glaucoma cases and 212 healthy cases) taken of TTSH patients during their eye screening, before training the algorithms with 70 per cent of the dataset.
To generate more training samples, the scientists also applied image augmentation – a technique that involves applying random but realistic transformations, such as image rotation – to increase the diversity of the dataset used to train the algorithms, which enhances the algorithms’ classification accuracy.
The team then tested their screening method on the remaining 30 per cent of the patient images and found that it had an accuracy of 97 per cent in correctly identifying glaucoma cases.
“Excellent and stable performance is especially important in medical diagnosis, and this study has shown that our model of combining deep convolutional neural network with attention mechanisms has resulted in a reliable and efficient AI-enabled screening approach for glaucoma,” said Prof Wang.
Da:
https://www.theengineer.co.uk/content/news/singapore-team-uses-ai-to-screen-for-glaucoma?
Commenti
Posta un commento