צילום רשתית

אלגוריתם למידה עמוקה לזיהוי מחלת כליה כרונית על סמך צילומי רשתית באוכלוסיות מבוססות קהילה

חוקרים סבורים כי DLA המבוסס על תמונות רשתית יכול לזהות מחלת כליה כרונית

27.05.2020, 17:30
עיניים (אילוסטרציה)

ידוע כי בדיקת סקר טובה לזיהוי מחלת כליה כרונית מהווה אתגר בקהילה ובתנאי רפואה ראשונית, אפילו במדינות עם הכנסה גבוהה. החוקרים פיתחו DLAי(deep learning algorithm) מבוסס בינה מלאכותית על מנת לזהות מחלת כליה כרונית על סמך תמונות רשתית, שיכול להוות תוספת לאסטרטגיות סקר קיימות.

החוקרים בחנו נתונים משלושה מחקרי חתך מבוססי אוכלוסייה, עם מגוון מוצאים אתניים, שנערכו בסינגפור ובסין. החוקרים השתמשו במחקר ה-SEEDי(Singapore Epidemiology of Eye Diseases) בסינגפור, שכלל חולים בגיל 40 או יותר, על מנת לפתח (5,188 נבדקים) ולתקף (1,297 נבדקים) את ה-DLA שיצרו. בנוסף, ביצעו בדיקות חיצוניות על שני מאגרי מידע בלתי תלויים: תכנית המחקר הפרוספקטיבית של סינגפור (3,735 חולים בגיל 25 או יותר), ומחקר העיניים בבייג'ינג (1,538 נבדקים בגיל 40 או יותר). החוקרים הגדירו מחלת כליה כרונית כקצב סינון גלומרולרי של פחות מ-60 מ"ל/דקה/1.73מ"ר. החוקרים אימנו שלושה מודלים: מודל DLA של תמונות, DLA המתחשב בגורמי סיכון הכוללים גיל, מגדר, מוצא אתני ונוכחות של סכרת ויתר לחץ דם, ולבסוף DLA היברידי המשלב בין התמונות לגורמי הסיכון. החוקרים העריכו את ביצועי המודל באמצעות ה-AUCי(Area Under the Curve) של מאפייני הביצוע של המקלט.

החוקרים מצאו כי בתיקוף ה-SEED, ה-AUC היה 0.911 עבור ה-DLA של התמונות (רווח בר-סמך 95%: 0.866-0.936), 0.916 עבור מודל גורמי הסיכון (0.891-0.941), ו-0.938 עבור המודל ההיברידי (0.917-0.959). נמצא כי ההערכות המקבילות באותן בדיקות בתוכנית המחקר הפרוספקטיבי של סינגפור היו 0.733 ב-DLA מבוסס תמונות (רווח בר-סמך 95%: 0.696-0.770), 0.829 במודל גורמי הסיכון (0.797-0.861), ו-0.810 במודל ההיברידי (0.776-0.844). במחקר העיניים של בייג'ינג, ההערכות היו 0.835 ב-DLA מבוסס תמונות (0.767-0.903), 0.887 במודל גורמי הסיכון (0.828-0.946) ו-0.858 במודל ההיברידי (0.794-0.922). זאת ועוד, הערכות ה-AUC היו דומות בתתי קבוצות של אנשים עם סוכרת (DLA מבוסס תמונות 0.889, רווח בר-סמך 95%: 0.85-0.928, DLA מבוסס גורמי סיכון 0.899; 0.862-0.936 ו-DLA היברידי 0.925; 0.893-0.957), ויתר לחץ דם (DLA מבוסס תמונות 0.889; 0.860-0.918, DLA של גורמי סיכון 0.889; 0.860-0.918, DLA היברידי 0.918; 0.893-0.943).

החוקרים הגיעו למסקנה כי DLA המבוסס על תמונות רשתית מראה ביצועים טובים בהערכת מחלת כליה כרונית. עובדה זו מדגישה כי שימוש בצילומי רשתית בתור בדיקת סקר משלימה או מזדמנת לזיהוי מחלת כליה כרונית, אפשרי באוכלוסיות מבוססות קהילה.

מקור: 

Sabanayagam, C. et al.(2020) The Lancet.https://doi.org/10.1016/S2589-7500(20)30063-7

נושאים קשורים:  צילום רשתית,  אלגוריתם למידה עמוק,  בינה מלאכותית,  מחלת כליה כרונית,  מחקרים
תגובות