Оценка ответа на лечение при влажной возрастной макулярной дегенерации на основе искусственного интеллекта с использованием парных OCT-ангиографий

Почему это важно для зрения

Возрастная макулярная дегенерация — одна из ведущих причин потери зрения у пожилых людей, и многие пациенты регулярно получают внутриглазные инъекции, чтобы сдерживать болезнь. Врачи опираются на сканы глаза, чтобы решить, работает ли лечение, но интерпретация таких изображений сложна и может различаться у разных специалистов. В этом исследовании изучается, как искусственный интеллект может помочь более последовательно оценивать успешность терапии, используя новый тип сканирования, который отображает мелкие кровеносные сосуды в задней части глаза.

Видеть кровоток без красителя

Годыми специалисты использовали методы визуализации с введением контрастного красителя, чтобы выявлять аномальные сосуды, угрожающие центральному зрению. В последние годы оптическая когерентная томография и её ответвление — OCT-ангиография — позволили врачам видеть тонкие слои сетчатки и кровоток без укола. Эти сканы показывают, как аномальные сосуды растут, уменьшаются или меняют форму в ходе лечения, но изменения часто тонкие и не всегда совпадают с очевидными признаками активности болезни, такими как жидкость или кровоизлияние. В результате судить, действительно ли курс инъекций помог, не повлиял или позволил болезни прогрессировать, может быть длительным и субъективным процессом.

Обучение цифрового второго мнения

Исследователи собрали более тысячи пар изображений OCT-ангиографии у пациентов с влажной формой макулярной дегенерации. Каждая пара показывала один и тот же глаз до и после серии инъекций анти-VEGF — стандартной терапии, замедляющей рост аномальных сосудов. Отдельные поперечные сканы и изменения зрения использовались, чтобы определить, улучшилось ли состояние глаза после лечения, осталось по сути без изменений или ухудшилось. Эти экспертные метки послужили эталоном для обучения системы глубокого обучения сортировать новые пары изображений по тем же трем категориям.

Как компьютер читает сканы

Команда создала модель с двумя параллельными ветвями — для предлечебного и послелечебного скана. Для каждой временной точки система анализировала несколько слоёв сетчатки и хориоидеи, представленных в виде плоских верхних видов. Сначала модель научилась извлекать сложные визуальные признаки из каждого скана, такие как плотность сосудов и модели ветвления, затем объединяла информацию из обеих точек времени, чтобы вынести единое суждение: улучшение, без изменений или ухудшение. Изображения случайным образом разделили на наборы: для обучения модели, для её донастройки и отдельный набор отложили для финального тестирования.

Сравнение компьютера со специалистами

На независимом тестовом наборе система искусственного интеллекта правильно классифицировала ответ на лечение примерно в восьми из десяти пар изображений, особенно хорошо выявляя случаи улучшения. Двое опытных ретинологов оценивали те же пары изображений без доступа к другой клинической информации. Их совместная точность была ближе к шести из десяти, и наибольшие трудности у них вызывали случаи, когда болезнь была стабильной, а не явно лучше или хуже. Статистический анализ показал, что человеческие оценщики почти в три раза чаще, чем модель, ошибочно опредеяли, помог ли курс лечения, не повлиял ли он или привёл к неудаче, что подчёркивает сложность интерпретации таких сканов невооружённым глазом.

Что это может означать для пациентов

Исследование показывает, что тщательно обученная система искусственного интеллекта может выступать в роли последовательного ридера парных карт сосудов, давая объективную оценку того, как аномальные сосуды при макулярной дегенерации реагируют на лечение. Хотя такие инструменты не заменят врачей, они могут служить вспомогательным средством принятия решений, выделяя тонкие изменения, уменьшая разногласия между экспертами и помогая точнее подбирать расписание инъекций. В долгосрочной перспективе этот подход может поддержать более персонализированную помощь и более эффективное использование новых и существующих препаратов для сохранения зрения у людей с этим распространённым заболеванием глаза.

Цитирование: 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

Ключевые слова: возрастная макулярная дегенерация, оптическая когерентная томография ангиография, искусственный интеллект, ответ на лечение, ретинальная визуализация