Алгоритм искусственного интеллекта для сегментации патологических структур на сканах оптической когерентной томографии сетчатки глаза

• Каталевская Е.А. – к.м.н., врач-офтальмолог, научный руководитель проекта RETINA AI, ООО «Диджитал Вижн Солюшнс»; Москва, Россия
• Сизов А.Ю. – инженер-программист ООО «Диджитал Вижн Солюшнс»; Москва, ассистент ВГБОУ ВО «Нижегородский Государственный Технический Университет им. Р.Е. Алексеева»; Нижний Новгород, Россия, SPIN-код 4468-1730
• Гилемзянова Л.И. – врач-офтальмолог ООО «Диджитал Вижн Солюшнс»; Москва, Россия

ВВЕДЕНИЕ

Старение населения, увеличение продолжительности жизни и неблагоприятные изменения в образе жизни, такие как нездоровое питание и снижение физической активности в развитых странах, вероятно, в будущем приведут к увеличению распространенности различных глазных заболеваний. В первую очередь это касается заболеваний сетчатки [1]. Прогнозируется, что к 2040 г. в мире у 288 миллионов человек может развиться возрастная макулярная дегенерация (ВМД), клинически характеризующаяся друзами, изменением пигментного эпителия сетчатки, хориоидальной неоваскуляризацией (ХНВ), кровоизлияниями, экссудацией и на поздних стадиях географической атрофией [2, 3, 4].

Ведущей глобальной причиной потери зрения во многих странах считается диабетическая ретинопатия (ДР) [5]. Согласно исследованиям отмечается, что число взрослых людей с ДР во всем мире вырастет с 103,12 млн. в 2020 г. до 160,50 млн. к 2045 г., а ДР, угрожающая зрению, возрастет с 28,54 млн в 2020 г. до 44,82 млн к 2045 г. [6]. Диабетический макулярный отек (ДМО) – офтальмологическое осложнение сахарного диабета, ведущее к потере центрального зрения, встречающееся как на ранних, так и на поздних стадиях ДР [7].

Другой патологией, приводящей к снижению зрения с возрастом, является эпиретинальная мембрана (ЭРМ). ЭРМ представляет собой преретинальное скопление коллагеновых клеток различной этиологии [8]. Данная патология чаще встречаются у пожилых людей, при этом патологоанатомические исследования показывают распространенность у лиц в возрасте 50 лет составляет 2% и до 20% у лиц в возрасте 75 лет. ЭРМ может носить идиопатический характер, а также может быть связана с различными глазными заболеваниями: задняя отслойка стекловидного тела (ЗОСТ) (частота 75-93%), разрывы и отслойки сетчатки, ДР, ДМО, воспалительные и сосудистые заболевания сетчатки. Формирование ЭРМ без ЗОСТ может предрасполагать к витреомакулярному тракционному синдрому с развитием макулярного отека [9].

Еще одним распространенным заболеванием сетчатки является центральная серозная хориоретинопатия (ЦСХ), при котором возникает серозная отслойка нейроэпителия (НЭ) над зоной просачивания из хориокапилляров через ПЭС [10]. ЦСХ чаще встречается в возрасте 20- 55 лет, однако, ее можно диагностировать и в пожилом возрасте. Интересно, эти пожилые пациенты более склонны к ХНВ [11].

Помимо вышеперечисленных заболеваний сетчатки, в практике врача-офтальмолога нередко встречается кистозный макулярный отек при окклюзии центральной вены сетчатки и ее ветвей, пигментном ретините, после хирургии катаракты (синдром Ирвина-Гасса) и др. [12].

Золотым стандартом диагностики заболеваний сетчатки считается оптическая когерентная томография (ОКТ). Благодаря ОКТ можно получить послойную картину сетчатки in vivo с разрешением 5–7 микрон и идентифицировать даже небольшие изменения, характерные для начальной стадии ретинальной патологии [13]. Поэтому для врачей-офтальмологов крайне важно точно интерпретировать изображения ОКТ.

Принимая во внимание текущие тенденции роста, старения населения планеты встает вопрос о раннем выявлении и профилактике заболеваний сетчатки, однако, система здравоохранения может оказаться не в состоянии справиться с растущим бременем. Поэтому офтальмологическая служба нуждается в автоматическом, быстром, экономичном, но при этом высокочувствительном и специфичном методе выявления патологии глазного дна. Платформы на основе искусственного интеллекта (ИИ) могут стать потенциальным дополнением к диагностике и лечению заболеваний сетчатки в практике врача-офтальмолога.

Целью данного исследования является разработка алгоритма сегментации визуальных признаков кистозного макулярного отека (в том числе ДМО), ВМД (ретинальных друз и ХНВ), ЦСХ и ЭРМ на цифровых сканах ОКТ сетчатки глаза. Для сегментации выбраны следующие патологические признаки: интраретинальные кисты, субретинальная жидкость, субретинальный гиперрефлективный материал, отслойка ретинального пигментного эпителия, эпиретинальная мембрана, ретинальные друзы.

Для достижения поставленной цели потребовалось решить ряд научно-технических задач:

1. Сбор и подготовка базы медицинских данных – цифровых сканов структурной ОКТ сетчатки глаза.
2. Разметка медицинских данных. Размечаемые признаки: интраретинальные кисты, субретинальная жидкость, субретинальный гиперрефлективный материал, отслойка ретинального пигментного эпителия, эпиретинальная мембрана, ретинальные друзы.
3. Построение и обучение алгоритма ИИ на базе размеченных данных. Реализация нейронных сетей и процесс их обучения осуществляется с помощью фреймворка глубокого обучения TensorFlow. Данный фреймворк имеет большой функционал с точки зрения построения архитектур нейронных сетей и оптимизирован для работы с GPU (графические вычислительные ядра).
4. Оценка параметров точности работы алгоритма на валидационной базе данных.

МАТЕРИАЛЫ И МЕТОДЫ

Обучающие и тестовые данные

В ходе разработки алгоритмов машинного обучения используются большие массивы данных. Все данные подразделяются на обучающую и тестовую базу. Обучающая база служит непосредственно для разработки алгоритма, тестовая – для проверки точности его работы. При этом очень важно, чтобы данные из обучающей базы не попали в тестовую.

В качестве обучающей и валидационной баз данных использовались цифровые сканы ОКТ сетчатки глаза из открытой базы данных «Labeled Optical Coherence Tomography (OCT) for Classification» [14].

Объем обучающей базы данных составил 3500 сканов ОКТ. Объем валидационной базы данных составил 650 сканов ОКТ. Наличие патологических изменений были валидированы врачами-офтальмологами.

Разметка данных

Разметка проводилась вручную врачамиофтальмологами путем выделения полигоном соответствующего участка изображения с одним из признаков. Размечались следующие признаки: интраретинальные кисты, субретинальная жидкость, субретинальный гиперрефлективный материал, отслойка ретинального пигментного эпителия, эпиретинальная мембрана, ретинальные друзы.