Исследователи Национальных институтов здравоохранения (National Institutes of Health, NIH) усовершенствовали метод визуализации сетчатки, интегрировав искусственный интеллект с технологиями адаптивной оптики (AO) и оптической когерентной томографии (OCT). Разработанный метод, получивший название «генеративная состязательная сеть с параллельным дискриминатором» (parallel discriminator generative adversarial network, P-GAN), позволил ускорить процесс получения изображений в 100 раз и повысить контрастность снимков в 3,5 раза. Усовершенствование, как сообщается, будет способствовать более точной оценке таких состояний, как возрастная макулярная дегенерация (ВМД), и других заболеваний сетчатки.

Результаты работы, опубликованные в журнале Communications Medicine, были представлены под руководством Джонни Тама (Johnny Tam), доктора философии, сотрудника Национального института глаза (National Eye Institute, NEI), входящего в структуру NIH. Там пояснил значение полученных данных: «Искусственный интеллект помогает преодолеть ключевое ограничение визуализации клеток сетчатки, связанное со временем».

Проблемы традиционной визуализации сетчатки

Адаптивная оптика (AO), подобно OCT, является неинвазивным методом и широко применяется в офтальмологических клиниках для получения изображений сетчатки высокого разрешения. Однако AO-OCT-снимки часто содержат спекл-шум (зернистую структуру), который можно сравнить с облаками, затрудняющими аэрофотосъемку. Предложенный исследовательской группой подход на базе ИИ, как сообщалось, позволяет получать быстрые и четкие изображения без необходимости трудоемкой ручной обработки, требовавшейся ранее.

Улучшения в визуализации с помощью ИИ

Система P-GAN была обучена на почти 6000 AO-OCT-изображениях клеток пигментного эпителия сетчатки (RPE) человека. В ходе обучения алгоритм научился выявлять и улучшать детали, которые были скрыты спекл-шумом. В практических тестах P-GAN, по словам Виниты Дас (Vineeta Das), доктора философии, постдокторанта NEI, превзошел другие методы ИИ, требуя меньшего количества снимков и обеспечивая большую четкость и контрастность.

Там подчеркнул повышение уровня визуализации: «Это подобно переходу с места на балконе на место в первом ряду при исследовании сетчатки. С помощью AO мы можем визуализировать трехмерные структуры сетчатки с разрешением на клеточном уровне, что позволяет нам приблизиться к самым ранним признакам заболевания».

Интеграция ИИ с AO-OCT не только оптимизирует процесс получения изображений, но и открывает новые возможности для рутинного клинического применения, а также для изучения структурных и функциональных аспектов сетчатки. Данный подход, как сообщалось, знаменует собой значительный сдвиг в применении технологий визуализации, позиционируя ИИ как фундаментальный компонент процесса, а не просто как инструмент постобработки.

Это технологическое достижение, как ожидается, позволит улучшить диагностику и понимание различных приводящих к слепоте заболеваний сетчатки благодаря детальной визуализации пигментного эпителия сетчатки (RPE), который поддерживает жизнедеятельность ключевых нейронов сетчатки.

Ссылка на публикацию
Vineeta Das, Furu Zhang, Andrew Bower, et al. Revealing speckle obscured living human retinal cells with artificial intelligence assisted adaptive optics optical coherence tomography, Communications Medicine (2024). DOI: 10.1038/s43856-024-00483-1