Zbiór obrazów dna oka dla inteligentnego systemu w retinopatii cukrzycowej

Dlaczego to ma znaczenie dla osób z cukrzycą

Cukrzyca może cicho uszkadzać oczy na długo przed pojawieniem się zaburzeń widzenia. Artykuł opisuje nowy zbiór obrazów zaprojektowany, by pomóc komputerom wcześniej i bardziej niezawodnie wykrywać te ukryte zmiany, wykorzystując szerszy widok siatkówki niż oferują większość obecnych narzędzi.

Widzieć więcej tylnej części oka

Cukrzycza choroba oczu uszkadza drobne naczynia krwionośne z tyłu oka i jest jedną z głównych przyczyn trwałej utraty wzroku u osób w wieku produkcyjnym. Regularne zdjęcia oka są już stosowane do wykrywania problemów, ale obejmują tylko mały obszar centralny. Ważne znaki ostrzegawcze często pojawiają się na obrzeżach siatkówki, gdzie tradycyjne aparaty mogą ich po prostu nie widzieć. Obrazowanie ultraszeroformatowe rozwiązuje ten problem, rejestrując nawet do pięciu razy większy obszar na jednym ujęciu, w tym odległe kąty, gdzie mogą pojawić się wczesne uszkodzenia i nowe, kruche naczynia krwionośne.

Budowanie bogatej biblioteki obrazów dla inteligentnych narzędzi

Aby jak najlepiej wykorzystać ten szerszy widok, programy komputerowe potrzebują dużych, dobrze uporządkowanych zbiorów obrazów do nauki. Autorzy zgromadzili 1630 ultraszeroformatowych zdjęć oczu od 809 pacjentów w dwóch szpitalach w Chinach. Wszyscy uczestnicy mieli cukrzycę, a ich średni wiek wynosił około 54 lat. Obrazy wykonano specjalnym aparatem, który nie wymaga stosowania kropli rozszerzających źrenicę, co sprawia, że badanie jest szybsze i wygodniejsze. Usunięto obrazy niskiej jakości z rozmyciami lub brakującymi fragmentami, tak by pozostały tylko wyraźne widoki siatkówki, naczyń krwionośnych i ewentualnych uszkodzeń.

Jak eksperci uczyli komputer

Trzech doświadczonych okulistów dokładnie przejrzało każde zdjęcie i podzieliło je na trzy grupy: oczy prawidłowe, oczy ze zmianami łagodnymi do umiarkowanych oraz oczy z zaawansowanymi uszkodzeniami. Stosowali międzynarodowe zasady oceny cukrzyczej choroby oczu, ale autorzy zauważają, że pewne rozbieżności między lekarzami są wciąż spodziewane, zwłaszcza przy decyzjach, czy bardzo łagodne zmiany należy zaklasyfikować jako prawidłowe czy wczesne stadium choroby. Ostateczne decyzje zapisano w folderach i prostych tabelach wymieniających każde zdjęcie i jego grupę, tworząc łatwy punkt wyjścia dla innych zespołów badawczych.

Testowanie przydatności zbioru danych

Zespół następnie sprawdził, jak użyteczna jest ta biblioteka obrazów do trenowania sztucznej inteligencji. Podzielili obrazy na zbiory treningowe, walidacyjne i testowe i uruchomili cztery dobrze znane modele głębokiego uczenia do klasyfikacji trzech stadiów choroby. Przed treningiem przycięli i wystandaryzowali zdjęcia oraz zastosowali proste techniki, takie jak losowe odbicia, aby pomóc modelom uogólnić. Na zarezerwowanych obrazach testowych wszystkie modele uzyskały mocne wyniki w kilku miarach dokładności, przy czym jeden model w szczególności wypadł najlepiej. Mapy cieplne z modeli uwydatniły drobne wybrzuszenia naczyń krwionośnych i bliznowate błony, co sugeruje, że algorytmy skupiały się na tych samych obszarach, które uważają za istotne lekarze.

Pomoc większej liczbie osób w zachowaniu wzroku

Ten nowy otwarty zbiór danych oferuje wysokiej jakości, szerokokątny obraz cukrzyczej choroby oczu dla każdego, kto rozwija inteligentne narzędzia przesiewowe. Poprzez łączenie obrazów ultraszeroformatowych ze sztuczną inteligencją, przyszłe systemy mogłyby obejmować większą część siatkówki, rzadziej przegapiać niebezpieczne zmiany i wymagać mniej pracy personelu. Chociaż sam ten zbiór nie może zastąpić regularnej opieki okulistycznej, tworzy podstawy bardziej wiarygodnych, szeroko dostępnych systemów wspomagających przesiew, które mogą pomóc zmniejszyć ślepotę wywołaną cukrzycą, szczególnie w klinikach o ograniczonych zasobach.

Cytowanie: Peng, S., Yang, S., Zhao, X. et al. A fundus image dataset for intelligent diabetic retinopathy system. Sci Data 13, 777 (2026). https://doi.org/10.1038/s41597-026-07093-7

Słowa kluczowe: retinopatia cukrzycowa, obrazowanie siatkówki, ultraszerokie pole, medyczna AI, badania przesiewowe oczu