ИИ-диагностика макулярных заболеваний работает на разных моделях OCT
Исследователи создали модель глубокого обучения для диагностики 11 распространённых макулярных заболеваний, которая работает одинаково точно на разных моделях оптических когерентных томографов (OCT) — преодолевая главный барьер внедрения ИИ в клиническую практику.
Проблема межплатформенной совместимости
Большинство существующих ИИ-моделей для анализа OCT обучены на данных одного производителя (например, Heidelberg Engineering или Zeiss). При переносе на сканеры другой фирмы точность резко падает из-за различий в разрешении, контрасте и формате изображений — явление, известное как «domain shift».
Решение: коррекция сдвига домена
В новом исследовании, опубликованном в Ophthalmology Science, команда использовала стратегию адаптации к сдвигу домена:
- модель обучена на почти 19 000 трёхмерных OCT-сканов с аппаратов Spectralis (Heidelberg Engineering);
- внешняя валидация проведена на 9 независимых датасетах, включая данные с Cirrus (Zeiss);
- два датасета были «парными» — одни и те же пациенты просканированы на обоих аппаратах;
- включён механизм «uncertainty detection» — система помечает неоднозначные случаи для проверки врачом.
Точность на внешних датасетах (AUC) варьировалась от 0,075 до 0,999. Коррекция domain-shift значительно улучшила кросс-платформенную надёжность.
Клиническое значение
Для офтальмологических клиник и скрининговых программ это означает:
- возможность внедрить единую ИИ-систему независимо от парка оборудования;
- стандартизацию диагностики в многопрофильных сетях и телемедицине;
- автоматическую маршрутизацию пациентов — ИИ выявляет патологию и направляет к специалисту.
Важно: модель показана на 11 распространённых макулярных заболеваниях. Редкие патологии и низкокачественные сканы требуют дальнейшей валидации.
Источник: American Academy of Ophthalmology (AAO)
