В «НМИЦ эндокринологии» началась реализация проекта по внедрению искусственного интеллекта для диагностики диабетической ретинопатии и созданию единой российской базы данных

К началу 2023 года в Российской Федерации было зарегистрировано около 5 млн пациентов с диагнозом сахарный диабет (СД). Орган зрения является наиболее уязвимым к воздействию неконтролируемой гликемии. При СД поражаются многие структуры глазного яблока – роговица, угол передней камеры глаза, хрусталик, стекловидное тело, сетчатка.

 

Диабетическая ретинопатия (ДР) – наиболее грозное осложнение СД, поражающее многих пациентов с СД и являющееся основной причиной потери зрения среди трудоспособного населения. ДР, как микрососудистое осложнение с поражением сосудов, проявляется в патологических изменениях на сетчатке, повреждении её центральной части сетчатки (макулы), пролиферативном росте новообразованных сосудов, что в конечном итоге ведет к частичной или полной потере зрения.

Оценка степени тяжести ДР производится врачом-офтальмологом на основе анализа снимков глазного дна, полученных с помощью фундус-камеры – одного из основных инструментов офтальмолога для оценки состояния глазного дна. Она дает возможность получать четкое изображение состояния  глазного дна, сохранять снимки для оценки динамики заболевания и пересылать изображения при дистанционных консультациях.

Ежегодно количество пациентов с СД продолжает увеличиваться на несколько десятков тысяч человек, - комментирует ситуацию заведующий отделением диабетической ретинопатии и офтальмохирургии Государственного научного центра ФГБУ «НМИЦ эндокринологии» Минздрава России, профессор кафедры глазных болезней Медицинского института ФГАОУ ВО «Российский университет дружбы народов» доктор медицинских наук Дмитрий Липатов. - Кроме того, все пациенты с СД, независимо от наличия симптомов ДР, должны ежегодно проходить офтальмологическое обследование. Таким образом, на врача-офтальмолога ложится значительная нагрузка во время диагностики признаков ДР при просмотре и обсчете в ручном режиме диагностических снимков глазного дна. Процедура трудоемкая и не лишена погрешности. Нами сделано предположение, что создание специальной программы с использованием возможностей искусственного интеллекта существенно повысит точность диагностики,  надежность получаемых данных и, соответственно, положительно скажется на повышении пропускной способности. Поэтому была поставлена цель осуществить автоматизацию процесса машинной обработки снимков с фундус-камеры для проведения скрининга ДР. Конечным продуктом является программное обеспечение для фундус-камер.

В настоящее время исследование находится на этапе завершения первых математических расчётов и машинной обработки снимков глазного дна. Можно говорить о выполнении первичных мероприятий по разработке отечественного продукта автоматической обработки снимков глазного дна.

Для реализации проекта была сформирована исследовательская команда в составе специалистов отдела цифровой трансформации и сотрудников отделения диабетической ретинопатии и офтальмохирургии «НМИЦ эндокринологии» Минздрава России и МВТУ им. Н.Э.Баумана. Речь идет о мультидисциплинарном взаимодействии врачей-офтальмологов, специалистов в области информационных технологий, кибернетиков и аналитиков. Рабочее название проекта - система поддержки принятия клинических решений для скрининга пациентов с диабетической ретинопатией.

В исследовании участвует 120 пациентов, прошедших обследование на фундус-камере в ГНЦ РФ ФГБУ «НМИЦ эндокринологии» Минздрава России. В экспериментальной базе проанализировано около 450 снимков глазного дна. Для обнаружения объектов выбрана и применена искусственная нейронная сеть YOLOv7. К распознаваемым классам отнесены новообразованная ткань, микроаневризмы, ватообразные (мягкие) экссудаты, твёрдые экссудаты, петехиальные кровоизлияния, интраретинальные микрососудистые аномалии, новообразованные сосуды, гемофтальм.

К настоящему времени получены первые результаты детекции с использованием выбранной модели. Хорошие показатели метрик были достигнуты при обнаружении новообразованной ткани (recall = 78%, precision = 68%). Кроме того, были получены удовлетворительные результаты при детекции твердых и мягких экссудатов, ретинальных кровоизлияний и новоообразованных сосудов. Для обеспечения надежности результатов по остальным классам данных и, в целом, улучшения первичных результатов будет увеличен размер выборки.

Таким образом, полученные результаты демонстрируют потенциал и определенные перспективы данного направления исследования. Для достижения полной функциональности и высокой точности детекции необходимо провести дальнейшее усовершенствование методов обработки и расширение набора данных, чтобы обеспечить надежность и точность распознавания диабетической ретинопатии.

 

Пресс-служба «НМИЦ эндокринологии» Минздрава России