一种使用人工智能分析视网膜图像的新方法有朝一日可以帮助医生为糖尿病性黄斑水肿导致视力丧失的患者选择最佳治疗方法。这种糖尿病并发症是工作年龄成年人视力丧失的主要原因。
抗血管内皮生长因子 (VEGF) 药物被广泛用作糖尿病性黄斑水肿的一线治疗药物，但并非对所有人都有效。需要确定谁会从该疗法中受益，因为它需要多次注射，这对患者和医生来说都是昂贵且繁重的。
“我们开发了一种算法，可用于自动分析视网膜的光学相干断层扫描(OCT) 图像，以预测患者是否可能对抗 VEGF 治疗产生反应，”来自杜克大学的研究小组负责人 Sina Farsiu 说。“这项研究代表了向精准医学迈出的一步，这样的预测可以帮助临床医生根据特定的疾病状况更好地为患者选择一线疗法。”
在光学学会 (OSA) 期刊《生物医学光学快报》中，Farsiu 及其同事表明，新算法只需分析一次治疗前体积扫描，即可准确预测患者是否可能对抗 VEGF 疗法产生反应。
“我们的方法有可能用于眼科诊所，以防止不必要且昂贵的试错治疗，从而减轻患者的大量治疗负担，”Farsiu 说。“该算法还可以用于预测许多其他眼病的治疗反应，包括新生血管性年龄相关性黄斑变性。”
预测治疗反应 研究人员开发的算法基于新型卷积神经网络 (CNN) 架构，这是一种人工智能，可以通过为各个方面或对象分配重要性来分析图像。他们使用该算法检查通过 OCT 获取的图像，OCT 是一种非侵入性技术，可生成高分辨率横截面视网膜图像，是评估和治疗许多眼部疾病的护理标准。
“与以前开发的方法不同，我们的算法只需要来自单个预处理时间点的 OCT 图像，”该论文的第一作者、Farsiu 实验室的博士后学者 Reza Rasti 说。“不需要时间序列 OCT 图像、患者记录或其他元数据来预测治疗反应。”
新算法保留并突出显示 OCT 图像中的全局结构，同时增强病变区域的局部特征以有效利用视网膜厚度信息。为了帮助做出治疗决策，研究人员采用了一个额外的步骤来寻找与抗 VEGF 反应高度相关的 CNN 编码特征。
测试算法 研究人员使用来自 127 名接受过糖尿病性黄斑水肿治疗并连续三次注射抗 VEGF 药物的患者的 OCT 图像测试了他们的新算法。他们应用该算法分析抗 VEGF 注射前拍摄的 OCT 图像，然后将算法的预测与抗 VEGF 治疗后拍摄的 OCT 图像进行比较，以确认该疗法是否改善了病情。
根据结果，研究人员计算出该算法有 87% 的机会正确预测谁会对治疗产生反应