Специалисты Уральского федерального университета (УрФУ) совместно с коллегами из Университета Фридриха-Александра (Эрланген, Германия) создали программу для медицинских устройств электроретинограммы (ЭРГ). Она повысила точность выявления глазных заболеваний до 91 %, тогда как эффективность существующих методов ЭРГ не превышает 60 %.
Разработка ученых позволит врачам-офтальмологам точнее идентифицировать такие болезни, как глаукома, диабетическая ретинопатия, дистрофия сетчатки глаза и т. д., сообщили в пресс-службе УрФУ.
«У классического анализа сигналов ЭРГ по четырем параметрам есть ряд недостатков, в первую очередь — крайне невысокая точность диагностирования. Кроме того, ручной анализ сетчатки глаза с помощью ЭРГ сильно зависит от опытности врача и других человеческих факторов. Из-за врачебной ошибки пациент может потерять благоприятное время, за которое он мог бы излечиться от болезни. Чтобы нивелировать эти недостатки, мы разработали автоматическую систему на базе машинного обучения, которая способна анализировать сигналы ЭРГ и ставить более точные диагнозы в сравнении с традиционными методами», — объяснил руководитель Центра обработки сигналов и изображений методами искусственного интеллекта УрФУ Михаил Ронкин.
ЭРГ — метод функциональной диагностики глаза, который используется для измерения электрической активности сетчатки в ответ на световую стимуляцию. Сначала прикрепляют электроды к глазам пациента, черепу и подбородку. Затем ему предлагают смотреть на световую стимуляцию, которая может быть представлена миганием света, контрастными переходами или движущимися объектами. После врач получает данные об электрической активности сетчатки. От правильной интерпретации полученной информации будет зависеть точность постановки диагноза.
«Подобные методы машинного обучения, такие как наш, очень часто рассматриваются как некий „черный ящик“ — мы написали код, нейросеть посчитала и выдала результат. Поскольку все решения о постановке диагноза в итоге принимает врач, мы постарались сохранить высокую интерпретируемость результата — это значит, что врач сможет понять, почему алгоритм предоставил то или иное заключение, что поможет поставить верный диагноз. Это также поможет офтальмологам избежать врачебной ошибки, поскольку алгоритм подскажет, что по тому или иному показателю есть высокая вероятность заболевания и необходимо направить пациента на более глубокую диагностику, например томографию глаза», — рассказал Михаил Ронкин.
При создании алгоритма ученые использовали метод многоволнового анализа. С помощью этого инструмента можно анализировать сигналы, поступающие из мозга пациента в разных масштабах и временных периодах. Электрические сигналы, полученные методом ЭРГ, пропустили через визуальный трансформатор. Он раскладывает сигналы на частотные составляющие, полученные из многоволнового анализа, что обеспечивает хорошую интерпретируемость данных. Алгоритм ученые опробовали на медицинском устройстве ЭРГ, используя данные сигналов от 323 пациентов.
«Мы показали, что применение современных методов анализа и их комбинация создает алгоритм, который помогает врачам точнее идентифицировать наличие или отсутствие глазных заболеваний. Мы продолжим работать над нашей системой, чтобы повысить ее эффективность, поскольку 91 % — это не 100 %. Также в дальнейшем мы будем развивать подходы к интерпретируемости оценок биомедицинских сигналов, чтобы врачу было максимально понятно, на основании чего система поставила диагноз», — отметил соавтор исследования, доцент кафедры информационных технологий и систем управления УрФУ Василий Борисов.
Результаты исследования опубликованы в журнале Sensors. Работа выполнена при финансовой поддержке по программе «Приоритет-2030».
