Amerikassa synnynnäiset kaihi - silmän linssin pilvinen syntymän yhteydessä, joka voi johtaa sokeuteen - ovat kadonneita (ja onneksi) harvinaisia. Kuten hampaiden rappeutuminen tai jäykkäkouristus, paremmat seulonnat ja tekniikat ovat johtaneet aikaisempiin diagnooseihin, ja ongelma voidaan suurelta osin parantaa leikkauksella. Mutta kehitysmaissa laajan asiantuntemuksen ja resurssien puute tarkoittaa, että sadat tuhannet lapset ovat nyt sokeita tämän hoidettavan taudin takia.
"Puuttuvat tai virheelliset diagnoosit sekä sopimattomat hoitopäätökset ovat yleisiä harvinaisia sairauksia sairastavien potilaiden keskuudessa ja ovat tarkkuuslääketieteen tavoitteiden vastaisia, etenkin kehitysmaissa, joissa on suuri väestö, kuten Kiina", kirjoittaa ryhmä kiinalaisia tutkijoita maanantaina Nature Biomedical Engineering -lehdessä julkaistu tutkimus.
Tutkijoiden tavoitteena on korjata tämä vältettävissä oleva hoitokuilu käyttämällä kotkavälistä AI: tä. Tutkijat hahmottelevat keinotekoisen älyohjelman, jolla voidaan diagnosoida synnynnäinen kaihi tarkemmin kuin ihmislääkärit, ja kertovat, että sen keräämät tiedot voivat auttaa kannustamaan uutta tutkimusta tämän harvinaisen sairauden hoitamiseksi.
Ikääntyminen on yleisin kaihi, mutta noin 5 - 20 prosenttia lasten sokeudesta johtuu synnynnäisistä kaihista. Vaikka tauti on parannettavissa leikkauksella, jos sitä ei korjata riittävän pian, se voi johtaa laiskaan silmään, koska aivot ja silmä eivät toimi kunnolla yhdessä lapsen kasvaessa. Kiinassa noin 30 prosenttia lasten sokeudesta johtuu tästä sairauden muodosta.
Vuonna 2010 Kiinan kaihikriisi sai aikaan perustamisen Kiinan terveysministeriön lapsuuskatarakttiohjelman mukaan tutkimuksen avustaja Haotin Lin. Ohjelma on kerännyt tietoja tuhansista synnynnäisistä kaihotapauksista, Lin sanoi, mutta aineiston ei ollut vielä täysi potentiaali saavutettu. Joten DeepMind-projektin innoittamana, joka rakensi AI-ohjelman, joka pystyi voittamaan ammattimaiset pelaajat klassisissa videopeleissä, Lin ja hänen tiiminsä päättivät käyttää tietojaan AI-opthamologille.
"Koska AI voi pelata pelejä ihmispelaajia vastaan, miksi ei luoda AI, joka voisi toimia yhtä pätevänä ihmislääkärinä?" Sun Yat-Senin yliopiston oftalmologiatutkija Lin kertoi ryhmänsä ajattelusta.
Yhdessä kahden vuoden ajan Xidian-yliopiston ryhmän kanssa tutkijat pystyivät rakentamaan CC-Cruiserin, AI-ohjelman, joka on koulutettu tarkastamaan silmäkuvia kaihien havaitsemiseksi ja suosittamaan leikkauksen välttämättömyyttä. Ihmisen oftalmologien rinnalla tehdyssä testissä CC-Cruiser tunnisti onnistuneesti kaikki synnynnäiset kaihitapaukset 50 potilaskuvan ryhmästä. Samaan aikaan silmälääkärit menettivät useita tapauksia ja diagnosoivat väärin useita vääriä positiivisia tuloksia, tutkijat kertovat uudessa tutkimuksessaan.
"Ihmisillä on taipumus olla [joko] konservatiivisia tai radikaaleja omasta kokemuksestaan ja persoonallisuudestaan johtuen. Koneen etuna on sen objektiivisuus", Lin sanoo. "Uskomme, että syvällisten oppimistulosten ja ihmisianalyysien kanssa tekemisen tuloksena saavutetaan parempi terveydenhuollon laatu ja tehokkuus."
Mutta Lin ja hänen tiiminsä visio menee pidemmälle: He näkevät CC-Cruiserin mallina suurdatan hyödyntämisessä synnynnäisten kaihien tutkimuksen ja hoidon parantamiseksi.
Koska synnynnäinen kaihi voi esiintyä monin eri tavoin, tapausten tietojen yhdistäminen maailmanlaajuisesti voi antaa tietokoneille ja lääkäreille paremman käsityksen taudin lähestymisestä, tutkijat kertovat. Siksi tutkijat ovat rakentaneet CC-Cruiserin pilvipohjaiseksi AI: ksi, johon lääkärit pääsevät pääsemään sairaaloissa ympäri maata. Lääkärit pystyisivät lähettämään potilaiden kuvat järjestelmään, ja AI arvioi kuvia diagnosoimaan tai sulkemaan pois synnynnäisen kaihi.
Jos AI havaitsee taudin ja päättää, että välitöntä leikkausta tarvitaan, CC-Cruisers-valmistajille lähetetään hätäilmoitus diagnoosin vahvistamiseksi, joka sitten lähetetään takaisin potilaan lääkärille. Samaan aikaan CC-Cruiser jatkoi tietojen keräämistä, joita lääkärit ja tutkijat voisivat käyttää parantamaan AI: tä edelleen ja käyttämään synnynnäisten kaihien variaatioiden ja hoitovaihtoehtojen tutkimista.
Lisäksi CC Cruiser voisi tasoittaa tietä harvempien sairauksien leviämiseen, kun maista ja instituutioista puuttuu erityistä asiantuntemusta. "Potilaiden rajalliset resurssit ja tietojen eristäminen yksittäisissä sairaaloissa edustavat pullonkaulaa tiedon käytössä", Lin sanoi. "Yhteistyöllisen pilvialustan rakentaminen tietojen integroimiseksi ja potilaiden seulomiseksi on välttämätön vaihe."