Βρείτε μας στο Google News. Πατήστε εδώ!Οι ειδικοί στο Moorfields Eye Hospital και το University College London (UCL) Institute of Ophthalmology στην Αγγλία ανέπτυξαν πρόσφατα ένα σύστημα AI που μπορεί να ανιχνεύσει διαταραχές της όρασης με μεγαλύτερη ακρίβεια και αποτελεσματικότητα από τις τρέχουσες μεθόδους. Αυτή η νέα τεχνολογία θα μπορούσε επίσης να βοηθήσει στην επιτάχυνση των διαγνώσεων συστηματικών προβλημάτων υγείας, συμπεριλαμβανομένων των εγκεφαλικών επεισοδίων, των καρδιακών προσβολών και της νόσου του Πάρκινσον.
Οι επιστήμονες πραγματοποίησαν μια μελέτη στο RETFound, το πρώτο παγκοσμίως μοντέλο θεμελίωσης, το οποίο χρησιμοποίησε εκατομμύρια σαρώσεις ματιών από την Εθνική Υπηρεσία Υγείας του Ηνωμένου Βασιλείου (NHS). Η πρωτοβουλία ανοιχτού κώδικα τους μπορεί να χρησιμεύσει ως πρότυπο για προσπάθειες που βοηθούν στην ανίχνευση και τη θεραπεία της τύφλωσης με τεχνητή νοημοσύνη. Αυτή η νέα εξέλιξη φέρνει πολλά υποσχόμενα νέα εγκαίρως για την Παγκόσμια Ημέρα Αμφιβληστροειδούς στις 27 Σεπτεμβρίου, την Παγκόσμια Ημέρα Όρασης τον Οκτώβριο και τον Μήνα Ευαισθητοποίησης για τη Διαβητική Οφθαλμική Νόσο τον Νοέμβριο.
Ο ανώτερος συγγραφέας καθηγητής Pearse Keane του Ινστιτούτου Οφθαλμολογίας του UCL δήλωσε σε δελτίο τύπου: «Αυτό είναι ένα άλλο μεγάλο βήμα προς τη χρήση της τεχνητής νοημοσύνης για την επανεφεύρεση της οφθαλμολογικής εξέτασης για τον 21ο αιώνα, τόσο στο Ηνωμένο Βασίλειο όσο και παγκοσμίως. Δείχνουμε πολλές υποδειγματικές καταστάσεις όπου μπορεί να χρησιμοποιηθεί το RETFound, αλλά έχει τη δυνατότητα να αναπτυχθεί περαιτέρω για εκατοντάδες άλλες απειλητικές για την όραση οφθαλμικές ασθένειες που δεν έχουμε ακόμη εξερευνήσει».
Εκπαιδεύτηκε στην «μετασχηματιστική τεχνολογία»
Μια έκθεση από τα Βρετανικά Εμπορικά Επιμελητήρια αναφέρθηκε πρόσφατα στα μοντέλα θεμελίωσης τεχνητής νοημοσύνης ως «μια τεχνολογία μετασχηματισμού» για τη χρήση τεράστιων ποσοτήτων δεδομένων. Η κυκλοφορία του ChatGPT τον Νοέμβριο του 2022 ανέδειξε τις δυνατότητες των μοντέλων AI να αναπτύξουν προσαρμόσιμα εργαλεία γλώσσας. Το RETFound ακολούθησε παρόμοια προσέγγιση με εικόνες αμφιβληστροειδούς, εκπαιδεύοντας σε εκατομμύρια σαρώσεις. Αυτό επέτρεψε την κατασκευή ενός ευέλικτου μοντέλου για σχεδόν απεριόριστες χρήσεις.
Ένα πιο αποτελεσματικό μοντέλο AI;
Τα μοντέλα AI εξαρτώνται σε μεγάλο βαθμό από την ανθρώπινη τεχνογνωσία και προσπάθεια. Το Medical News Today συζήτησε την πρόκληση με τον προγραμματιστή τεχνολογίας Dr. Steve Frank, ιδρυτή της Med*A-Eye Technologies. Δεν συμμετείχε σε αυτή την έρευνα.
Ο Δρ Φρανκ εξήγησε στο MNT: «Η τεχνητή νοημοσύνη απαιτεί δεδομένα και η διδασκαλία ενός συστήματος τεχνητής νοημοσύνης για την εκτέλεση εργασιών απαιτεί γενικά τεράστιες ποσότητες δεδομένων εκπαίδευσης. Ακόμη χειρότερα, η εκπαίδευση συνήθως απαιτεί την επισήμανση των δεδομένων με κάποιο τρόπο — που σημαίνει ότι διδάσκετε στο σύστημα να διακρίνει το ένα πράγμα από το άλλο με βάση παραδείγματα που λέτε ότι είναι το ένα ή το άλλο πράγμα. Αυτή είναι η παραδοσιακή «εποπτευόμενη» μάθηση».
Επιπλέον, είπε ο Δρ Φρανκ, οι ειδικοί μπορεί να διαφωνούν σε ένα κομμάτι δεδομένων, απαιτώντας χρονοβόρες αναθεωρήσεις από την ομάδα ειδικών. Σύμφωνα με τους ερευνητές του Ηνωμένου Βασιλείου, το RETFound μπορεί να ταιριάζει με την απόδοση άλλων προγραμμάτων AI χρησιμοποιώντας μόνο το 10% των ανθρώπινων ετικετών στο σύνολο δεδομένων του. Το RETFound πέτυχε αυτήν την υψηλότερη αποτελεσματικότητα με την αυτοεποπτευόμενη προσέγγισή του να καλύπτει μέρη μιας εικόνας και να μαθαίνει να προβλέπει μόνο του τα μέρη που λείπουν.
«Η αυτο-εποπτευόμενη μάθηση (SSL), η οποία αποτελεί τη βάση του RETFound, απαλλάσσεται από την επισήμανση εντελώς. Με αρκετά δεδομένα εκπαίδευσης, ένα σωστά δομημένο μοντέλο τεχνητής νοημοσύνης μπορεί να μάθει αρκετά για τα δεδομένα εκπαίδευσης από τα ίδια τα δεδομένα ώστε να κάνει ουσιαστικές προβλέψεις […]Αυτή η προσέγγιση έχει ιδιαίτερη αξία για την τεχνητή νοημοσύνη στον τομέα της υγείας, επειδή το κόστος της επισήμανσης είναι τόσο υψηλό — οι γιατροί είναι ήδη απασχολημένοι σώζοντας ζωές και ο χρόνος τους είναι πολύ πολύτιμος». – Δόκτωρ Στιβ Φρανκ
Διαγνωστική δυνατότητα οφθαλμικής
Μια ανασκόπηση του 2023 στο Journal of Clinical Medicine αναφέρεται στον αμφιβληστροειδή ως «ένα παράθυρο στο σώμα». Η μελέτη της οφθαλμικής χρησιμοποιεί βαθιά μάθηση για να διερευνήσει τις συσχετίσεις μεταξύ των χαρακτηριστικών της εικόνας του αμφιβληστροειδούς και των ασθενειών. Οι συγγραφείς της τρέχουσας μελέτης πιστεύουν ότι το RETFound μπορεί να βοηθήσει στη βελτίωση της διάγνωσης απειλητικών για την όραση οφθαλμικών ασθενειών, όπως η διαβητική αμφιβληστροειδοπάθεια και το γλαύκωμα.
