Oko jest wyjątkowym oknem na ogólny stan zdrowia. Powiązane z nim obrazowanie medyczne ma wspaniałe cechy, takie jak nieinwazyjność, wygoda i bogactwo informacji, co oferuje znaczny potencjał w zakresie opracowywania nowych technologii diagnozowania chorób ogólnoustrojowych.

Badania pokazują, że cechy oczu mogą odzwierciedlać nie tylko stan oczu, ale także nieprawidłowości w wielu narządach i układach, w tym w mózgu, sercu, wątrobie i nerkach. Wraz z szybkim rozwojem sztucznej inteligencji (AI) i technologii obrazowania okulistycznego eksperci medyczni badają nowe metody przewidywania i diagnozowania chorób ogólnoustrojowych na podstawie obrazów oka.

Niedawno zespół badawczy kierowany przez Gao Yuanxu, badacza z Uniwersytetu Nauki i Technologii w Makau, opublikował artykuł przeglądowy zatytułowany „Postęp w diagnostyce chorób układowych poprzez sztuczną inteligencję opartą na obrazie okulistycznym” w MedComm – medycyna przyszłości. Pierwszym autorem była Miao Hanpei z Południowego Uniwersytetu Medycznego.

W artykule kompleksowo podsumowano fizjologiczne podstawy badań wzroku w diagnostyce chorób ogólnoustrojowych, popularne metody obrazowania okulistycznego oraz technologie AI związane z analizą obrazu okulistycznego. Bada także badania i zastosowanie tych technologii AI w różnych chorobach ogólnoustrojowych. W artykule omówiono także aktualne wyzwania stojące przed tą dziedziną oraz perspektywy przyszłego rozwoju.

Anatomiczne i fizjologiczne cechy oka sprawiają, że jest to struktura kluczowa dla zrozumienia ogólnego stanu zdrowia. Dzieje się tak głównie dlatego, że oko dzieli złożone sieci naczyniowe i nerwowe oraz procesy fizjologiczne z różnymi innymi narządami. Informacje o układzie naczyniowym, układzie nerwowym, biochemiczne, immunologiczne i „omiczne” oka dostarczają cennych wskazówek do oceny ogólnego stanu zdrowia.

Za pomocą obrazowania okulistycznego, takiego jak kolorowa fotografia dna oka (CFP), optyczna tomografia koherentna (OCT), angiografia optycznej koherentnej tomografii (OCTA) i badanie lampą szczelinową, badacze mogą zbierać informacje strukturalne oka z wielu wymiarów, analizując w ten sposób i zrozumienie chorób ogólnoustrojowych.

W przeglądzie wskazano dwa podstawowe tryby analizy obrazu oka: jeden to kompleksowe podejście oparte na sztucznej inteligencji, które uczy się na podstawie ogromnych danych obrazowych w celu opracowania pomocniczych modeli badań przesiewowych i diagnostyki chorób ogólnoustrojowych; druga polega na inżynierii funkcji w oparciu o wcześniejszą wiedzę medyczną i modelowanie za pomocą tradycyjnych metod uczenia maszynowego w celu opracowania modeli sztucznej inteligencji, które będą bardziej interpretowalne.

W artykule systematycznie podsumowano szerokie zastosowania okulistycznej sztucznej inteligencji w chorobach ogólnoustrojowych, w tym w chorobach układu nerwowego, chorobach sercowo-naczyniowych, chorobach nerek, chorobach wątroby i dróg żółciowych oraz chorobach układu hematologicznego, zapewniając kompleksowy przegląd zastosowania modeli okulistycznej sztucznej inteligencji.

Zastosowanie okulistycznej sztucznej inteligencji w diagnostyce chorób ogólnoustrojowych wciąż napotyka wyzwania związane z heterogenicznością danych, interpretacją modeli, a także dokładnością i swoistością zadań klasyfikacyjnych obejmujących wiele chorób i etykiet.

W artykule podkreślono, że przyszłe badania powinny uwzględniać integrację informacji multimodalnych i multiomicznych na potrzeby kompleksowych analiz. Podkreśla również znaczny potencjał zastosowania nowych technologii sztucznej inteligencji, takich jak blockchain i modele wielkojęzykowe (takie jak ChatGPT), w celu ulepszenia sztucznej inteligencji okulistycznej.

Podsumowując, systemy sztucznej inteligencji oparte na obrazowaniu okulistycznym wykazały bezprecedensowy potencjał w diagnozowaniu chorób ogólnoustrojowych, a przyszłe badania muszą skupić się na tym, jak wyodrębnić nieodkryte informacje kliniczne z okulistycznych modeli sztucznej inteligencji i zbadać skuteczne sposoby przełożenia tych technologii na praktykę kliniczną.