Sztuczna inteligencja do oceny odpowiedzi na leczenie w wysiękowej zwyrodnieniu plamki związanemu z wiekiem przy użyciu sparowanej angiografii OCT

Dlaczego to ma znaczenie dla widzenia

Zwyrodnienie plamki związane z wiekiem jest jedną z głównych przyczyn utraty wzroku u starszych dorosłych, a wiele osób otrzymuje powtarzane zastrzyki do oka, aby kontrolować chorobę. Lekarze opierają decyzje o skuteczności terapii na obrazach oka, ale odczytywanie tych skanów jest trudne i może różnić się między specjalistami. W tym badaniu sprawdzono, jak sztuczna inteligencja może pomóc w bardziej spójnym ocenianiu skuteczności leczenia, wykorzystując nowszy rodzaj skanu, który mapuje drobne naczynia krwionośne w tylnej części oka.

Wizualizacja przepływu bez barwnika

Przez lata specjaliści stosowali obrazowanie z użyciem barwnika, aby wykryć nieprawidłowe naczynia zagrażające centralnemu widzeniu. W ostatnich latach optyczna koherentna tomografia i jej odmiana — angiografia OCT — pozwoliły lekarzom zobaczyć cienkie warstwy siatkówki i przepływ krwi bez nakłucia igłą. Te skany mogą pokazywać, jak nieprawidłowe naczynia rosną, kurczą się lub zmieniają kształt w trakcie leczenia, ale wzorce te są często subtelne i nie zawsze pokrywają się z oczywistymi oznakami aktywnej choroby, takimi jak płyn czy krwawienie. W efekcie ocena, czy seria zastrzyków rzeczywiście pomogła, nie wpłynęła na stan oka, czy pozwoliła na jego pogorszenie, może być czasochłonna i subiektywna.

Szkolenie cyfrowej drugiej opinii

Naukowcy zgromadzili ponad tysiąc par obrazów angiografii OCT od osób z wysiękową postacią zwyrodnienia plamki. Każda para pokazywała to samo oko przed i po serii zastrzyków przeciwko VEGF, standardowej terapii farmakologicznej hamującej nieprawidłowy wzrost naczyń. Dodatkowe przekroje i zmiany ostrości wzroku posłużyły do ustalenia, czy dany przebieg leczenia wyraźnie poprawił stan oka, pozostawił go zasadniczo bez zmian, czy też pozwolił na pogorszenie. Te etykiety eksperckie stanowiły standard odniesienia do nauczania systemu głębokiego uczenia, który miał sortować nowe pary obrazów do tych samych trzech kategorii.

Jak komputer interpretuje skany

Zespół zbudował model z dwiema równoległymi gałęziami — jedną dla skanu przed leczeniem i drugą dla skanu po leczeniu. Dla każdego punktu czasowego system analizował kilka warstw siatkówki i naczyniówki przedstawionych jako płaskie, widoki z góry. Najpierw nauczył się wydobywać z każdego skanu złożone cechy wizualne, takie jak gęstość naczyń i wzory rozgałęzień, a następnie łączył informacje z obu punktów czasowych, aby wygenerować ostateczną ocenę: poprawa, brak zmiany lub pogorszenie. Obrazy zostały losowo podzielone: niektóre pary użyto do trenowania modelu, niektóre do jego dostrojenia, a oddzielny zestaw odłożono do końcowych testów.

Porównanie komputera z ekspertami

W niezależnym zestawie testowym system sztucznej inteligencji poprawnie sklasyfikował odpowiedź na leczenie w około ośmiu na dziesięć par obrazów, z wyjątkowo dobrymi wynikami w wykrywaniu poprawy. Dwóch doświadczonych specjalistów od siatkówki przejrzało te same pary obrazów bez dostępu do innych danych klinicznych. Ich łączna skuteczność wynosiła bliżej sześciu na dziesięć, a największe trudności mieli z przypadkami, w których choroba była stabilna, a nie wyraźnie lepsza lub gorsza. Analiza statystyczna wykazała, że ludzcy ocenianie byli prawie trzykrotnie bardziej skłonni niż model do błędnej oceny, czy seria leczenia pomogła, nie przyniosła efektu, czy zawiodła, co podkreśla, jak trudne są te skany do interpretacji jedynie wzrokowo.

Co to może znaczyć dla pacjentów

Badanie sugeruje, że starannie wytrenowany system sztucznej inteligencji może pełnić rolę spójnego czytelnika sparowanych map naczyń, oferując obiektywny obraz tego, jak nieprawidłowe naczynia w zwyrodnieniu plamki reagują na leczenie. Choć takie narzędzia nie zastąpią lekarzy, mogą służyć jako wsparcie decyzyjne — wskazując subtelne zmiany, zmniejszając niezgodności między ekspertami i pomagając precyzyjniej dostosować harmonogram zastrzyków. W dłuższej perspektywie podejście to może wspierać bardziej spersonalizowaną opiekę i lepsze wykorzystanie nowych i istniejących leków w celu zachowania wzroku u osób z tą powszechną chorobą oka.

Cytowanie: Morsy, M.S., Dutta, N.A., Eldessouky, E.I. et al. Artificial intelligence based assessment of treatment response in wet age related macular degeneration using paired OCT angiography. Sci Rep 16, 15405 (2026). https://doi.org/10.1038/s41598-026-42999-7

Słowa kluczowe: zwyrodnienie plamki związane z wiekiem, optyczna koherentna tomografia angiograficzna, sztuczna inteligencja, odpowiedź na leczenie, obrazowanie siatkówki