Разработка модели глубокого обучения для скрининга первичной открытоугольной глаукомы у людей африканского происхождения

Почему это важно для повседневного здоровья глаз

Глаукома — одна из ведущих причин необратимой слепоты в мире, и она часто лишает зрения незаметно, прежде чем люди начнут ощущать какие‑то симптомы. В этом исследовании изучается, как искусственный интеллект может помочь выявлять распространённую форму глаукомы на ранних стадиях, особенно в сообществах африканского происхождения, где риск выше, а доступ к специалистам по глазам ограничен. Обучая компьютер анализировать фотографии глаза, исследователи надеются внедрить надёжный скрининг глаукомы в учреждения первичной помощи, в общественные клиники и в условиях с ограниченными ресурсами по всему миру.

Тихая угроза зрению

Первичная открытоугольная глаукома постепенно повреждает зрительный нерв — «кабель», передающий визуальную информацию от глаза к головному мозгу. На ранних стадиях люди обычно чувствуют себя нормально и видят хорошо, даже когда их периферическое зрение начинает уменьшаться. Поскольку заболевание прогрессирует тихо, а осмотры глаз могут быть длительными и редкими во многих регионах, большая часть пациентов остаётся не диагностированной до тех пор, пока утрата зрения не станет необратимой. Это бремя особенно тяжело ложится на популяции африканского происхождения: они более подвержены развитию глаукомы и с большей вероятностью лишаются зрения от неё, но исторически были недопредставлены в медицинских исследованиях и в качественных наборах изображений.

Обучение компьютеров читать изображения глаз

Команда создала автоматизированную систему скрининга, которая анализирует цветные фотографии задней части глаза, известные как фундус‑изображения. Эти снимки относительно недороги и их легко сделать даже вне кабинета специалиста. Из более чем 64 000 изображений, собранных в исследовании Primary Open-Angle African American Glaucoma Genetics (POAAGG), исследователи обучили модели глубокого обучения различать глаза с глаукомой и без неё. Они сравнили два современных подхода: сверточную модель «ResNet» и «Vision Transformer», который рассматривает изображение по фрагментам и может показывать, на какие области он обращает внимание — часто это область чашки и диска зрительного нерва, где проявляются изменения, связанные с глаукомой.

Сначала выбирать самые чёткие снимки

В реальном скрининге на каждом приёме часто делают несколько снимков, чтобы избежать проблем со щёлканьем веками или размытием. Вместо того чтобы подавать их все в модель, исследователи изучили, может ли выбор только наиболее информативных кадров повысить точность. Они протестировали две автоматические стратегии отбора. Одна использовала модель сегментации для выделения зрительного нерва и выбора изображений с определёнными размерными характеристиками. Другая — бинарный классификатор — научился имитировать решения экспертных оценщиков в читающем центре, разделяя «хорошие» изображения и плохие. Отбор всего шести высококачественных снимков за визит с помощью бинарного классификатора сопоставил производительность человеческих оценщиков и заметно превзошёл и полную загрузку всех снимков, и метод на основе сегментации.

Объединение многих подсказок в одно решение

После выбора лучших изображений с визита система анализировала каждое из них с помощью Vision Transformer и выдавала вероятность наличия глаукомы. Исследователи затем исследовали, как лучше объединять несколько вероятностей в одно скрининговое решение. Простое усреднение по выбранным изображениям дало наиболее надёжные результаты, немного превосходя опору только на самое экстремальное значение. В целом этот конвейер — от отбора изображений бинарным классификатором до предсказания для каждого кадра и усреднения — показал высокую способность разделять случаи с глаукомой и без неё. При тестировании на отдельном наборе данных от китайских пациентов модель также показала хорошую работу, а дополнительные эксперименты показали, что использование большего тренировочного набора было решающим для переноса между группами.

Что это может значить для пациентов

Исследование демонстрирует, что тщательно спроектированный ИИ‑конвейер, обученный на большом наборе изображений глаз людей африканского происхождения, может точно выявлять людей с подозрением на глаукому, используя лишь простые фотографии. Хотя система пока не достигает самых строгих порогов, которые некоторые организации требуют для полноценных диагностических инструментов, она отлично подходит в качестве предварительного скрининга в условиях, где специалистов по глазам мало. При дальнейшей валидации на более разнообразных популяциях и камерах и возможной интеграции с другими офтальмологическими тестами такая технология однажды может быть развернута в клиниках первичной помощи, на общественных мероприятиях или в сельских медицинских пунктах. Цель проста: выявлять глаукому раньше, направлять находящихся в группе риска к специалистам и предотвращать предотвратимую слепоту — особенно в сообществах, которые пострадали сильнее всего.

Цитирование: Li, S., Salowe, R., Lee, R. et al. Development of deep learning model to screen for primary open-angle glaucoma in African ancestry individuals. npj Digit. Med. 9, 214 (2026). https://doi.org/10.1038/s41746-025-02318-2

Ключевые слова: скрининг глаукомы, искусственный интеллект, снимки сетчатки, здоровье людей африканского происхождения, медицина глубокого обучения