Data publikacji przeglądu: 15 listopada 2023
Kluczowe informacje
• Włączone badania sugerują, że sztuczna inteligencja (AI) może zidentyfikować stożek rogówki. Może to prowadzić do wczesnego wykrywania i zapobiegania utracie wzroku.
• Szacunki były podobne dla różnych typów algorytmów sztucznej inteligencji.
• Mamy niewielkie zaufanie do danych naukowych; istnieje potrzeba przeprowadzenia dalszych badań na ten temat.
Czym jest stożek rogówki i dlaczego (wczesne) rozpoznanie jest tak ważne?
Stożek rogówki (keratoconus) to choroba rogówki (przezroczystego okienka w przedniej części oka), która dotyka osoby w wieku od 10 do 40 lat. U osób dotkniętych tą chorobą rogówka słabnie i przerzedza się z biegiem lat, stopniowo wybrzuszając się do typowego kształtu przypominającego stożek, co prowadzi do pogorszenia widzenia. Okulary mogą rozwiązać ten problem we wczesnych stadiach choroby, ale nie oferują już satysfakcjonującego rozwiązania, gdy ta staje się poważniejsza. Wczesne rozpoznanie jest niezbędne, aby zapewnić dalsze działania i leczenie, a tym samym zapobiec utracie wzroku.
Rozpoznanie stożka rogówki opiera się na badaniu okulistycznym (pomiar oka i ocena rogówki za pomocą wiązki światła w osi pionowej i mikroskopu) oraz obrazowaniu (techniki wspomagane komputerowo, które tworzą trójwymiarowe obrazy lub mapy rogówki). Interpretacja obrazów może stanowić wyzwanie, zwłaszcza w warunkach podstawowej opieki okulistycznej i we wczesnych stadiach choroby. Nierozpoznanie stożka rogówki może prowadzić do progresji choroby i pogorszenia widzenia. Na przykład, osoby obciążone ryzykiem rozwoju stożka rogówki, które poddają się chirurgii refrakcyjnej (chirurgicznej korekcji wzroku), mogą mieć gorsze widzenie.
Czym jest sztuczna inteligencja i jak może pomóc w wykrywaniu stożka rogówki?
Wykrywanie stożka rogówki na podstawie obrazów jest trudne, szczególnie dla nieprzeszkolonych klinicystów. Sztuczna inteligencja daje maszynom możliwość adaptacji, rozumowania i znajdowania rozwiązań. Algorytmy mogą być opracowywane i szkolone w celu analizowania obrazów rogówki i rozpoznawania stożka rogówki. Testy te mogą pomóc okulistom, optometrystom i innym specjalistom zajmującym się opieką nad oczami w postawieniu rozpoznania i skierowaniu osób z rogowaceniem rogówki do specjalistów w dziedzinie rogówki na czas, aby zachować ich wzrok. Istnieje wiele różnych rodzajów algorytmów, ale wszystkie one rozróżniają zdrowe oczy od stożka rogówki na podstawie obrazów rogówki.
Czego chcieliśmy się dowiedzieć?
Celem przeglądu było sprawdzenie, czy sztuczna inteligencja może prawidłowo rozpoznać stożek rogówki u osób poszukujących chirurgii refrakcyjnej i u osób, których wzrok nie może być już w pełni skorygowany za pomocą okularów.
Co zrobiliśmy?
Szukaliśmy badań, które badały dokładność AI w rozpoznawaniu stożka rogówki, najlepiej u osób poszukujących chirurgii refrakcyjnej lub osób, których wzrok nie może być już w pełni skorygowany za pomocą okularów. Porównaliśmy i podsumowaliśmy wyniki badań, aby obliczyć dwie miary dokładności: czułość (zdolność AI do prawidłowego rozpoznania stożka rogówki) i swoistość (zdolność AI do prawidłowego wykluczenia stożka rogówki). Im czułość i swoistość były bliższe 100%, tym lepszy był algorytm.
Czego się dowiedzieliśmy?
Znaleźliśmy 63 badania, w których wykorzystano trzy różne jednostki (oczy, uczestników i obrazy) do analizy dokładności AI w wykrywaniu stożka rogówki: W 44 badaniach przeanalizowano 23 771 oczu, w 4 badaniach przeanalizowano 3843 uczestników, a w 15 badaniach przeanalizowano 38 832 obrazy.
Dokładność AI w wykrywaniu jawnego stożka rogówki (stożka rogówki, który można wykryć podczas badania klinicznego) była duża. Gdyby przebadano 1000 osób, 30 osób z rogowaceniem keratokonicznym zostałoby prawidłowo skierowanych do specjalisty zajmującego się leczeniem rogówki i żadna z nich nie zostałaby pominięta. Spośród pozostałych 970 osób (bez stożka rogówki) tylko 17 zostało błędnie skierowanych. Osoby te zostaną poddane dodatkowym nieinwazyjnym badaniom w celu zweryfikowania, czy cierpią na stożek rogówki.
Dokładność AI w wykrywaniu wczesnego stożka rogówki była mniejsza. Gdyby przebadano 1000 osób, 9 osób z rogowaceniem keratokonicznym zostałoby prawidłowo skierowanych do specjalisty zajmującego się leczeniem rogówki i żadna z nich nie zostałaby pominięta. Gdyby ta osoba została poddana operacji refrakcyjnej, pogłębiłoby to chorobę i pogorszyłoby jej wzrok. Spośród pozostałych 990 osób (bez stożka rogówki), 941 uzyskałoby pewność, że nie cierpią na tę chorobę i otrzymałyby operację refrakcyjną lub okulary; 49 osób zostałoby błędnie skierowanych.
Dane naukowe sugerują, że AI może być dobra w wykrywaniu jawnego stożka rogówki, ale może nie być idealna do badań przesiewowych wczesnego stożka rogówki.
Jakie są ograniczenia prezentowanych danych naukowych?
Mamy niewielkie zaufanie do danych naukowych dotyczących dokładności AI w wykrywaniu jawnego stożka rogówki i mamy niewielkie lub żadne zaufanie do danych naukowych związanych z wczesnym stożkiem rogówki. Wystąpiły problemy ze sposobem przeprowadzenia badań, co może skutkować tym, że AI wydaje się bardziej dokładna niż jest w rzeczywistości.
Jak aktualne są te dane naukowe?
Dane naukowe są aktualne do 29 listopada 2022 r.
Streszczenie graficzne, plik PDF
Pełna wersja przeglądu systematycznego - wersja angielska
Legenda 