Специалисты Национальных институтов здравоохранения (National Institutes of Health, NIH) разработали систему на основе искусственного интеллекта (ИИ), которая преобразует стандартные диагностические аппараты, используемые в офтальмологических клиниках, в инструменты, способные визуализировать отдельные клетки сетчатки. Результаты работы, опубликованные в журнале Communications Medicine, показали, что достигаемое качество изображения сопоставимо с данными, получаемыми с помощью передовых экспериментальных систем, и не требует специализированного оборудования или высокой квалификации персонала.
Повышение качества стандартной визуализации с помощью ИИ
Сканирующие лазерные офтальмоскопы широко применяются в клинической офтальмологии для исследования сетчатки. Однако традиционно с их помощью удается визуализировать лишь структуры тканевого уровня: кровеносные сосуды, очаги поражения и диск зрительного нерва. Напротив, офтальмоскопы с адаптивной оптикой, которые в основном используются в исследовательских целях, позволяют изучать структуры на клеточном уровне. Для преодоления этого технологического разрыва доктор Джонни Тэм (Dr. Johnny Tam), исследователь Национального института глаза (National Eye Institute, входящего в NIH), и его команда создали специализированную систему на базе ИИ, которая значительно повышает резкость изображений, получаемых со стандартных офтальмоскопов.
Обучение ИИ для выявления невидимых структур
Исследовательская группа сфокусировалась на визуализации пигментного эпителия сетчатки (retinal pigment epithelium, RPE) — клеточного слоя, расположенного под фоторецепторами. Этот слой играет критическую роль в поддержании здоровья сетчатки и поражается на ранних стадиях макулярных дистрофий, включая возрастную макулярную дегенерацию (age-related macular degeneration, AMD), болезнь Штаргардта (Stargardt disease) и вителлиформную макулярную дистрофию. Для обучения модели ИИ исследователи сначала классифицировали более 1400 изображений, полученных с помощью офтальмоскопии с адаптивной оптикой, оценив их как «плохие», «умеренные» или «хорошие». Затем они предоставили системе соответствующие стандартные офтальмоскопические изображения тех же участков сетчатки. После обучения система ИИ повысила четкость стандартных изображений до восьми раз, успешно выявляя детали клеточного уровня, которые ранее было трудно различить в рутинной клинической практике.
Улучшение визуализации сетчатки с помощью ICG и ИИ
Для дополнительного повышения контрастности и выделения клеток пигментного эпителия сетчатки команда использовала индоцианин зеленый (indocyanine green, ICG) — контрастный препарат, обычно применяемый в глазных клиниках для визуализации сосудов. Применение ICG, особенно в сочетании с системой ИИ, обеспечило более четкую визуализацию RPE.
Клиническое значение: делая невидимое видимым
Дисфункция пигментного эпителия сетчатки является ранним маркером многих заболеваний, приводящих к слепоте. Однако традиционные методы затрудняли оценку состояния RPE без использования специализированных исследовательских приборов. Предложенная стратегия улучшения изображений с помощью ИИ позволяет рутинно визуализировать клетки RPE, проводить раннее выявление дегенеративных заболеваний сетчатки и контролировать ответ на терапию. Сочетая ИИ со стандартным диагностическим оборудованием и клинически одобренными красителями, команда NIH сделала передовую диагностику сетчатки более доступной, предложив практичное и масштабируемое решение для повседневной клинической практики.
Источник: Joanne Li et al, Artificial intelligence assisted clinical fluorescence imaging achieves in vivo cellular resolution comparable to adaptive optics ophthalmoscopy, Communications Medicine (2025). DOI: 10.1038/s43856-025-00803-z