W najnowszych badaniach opublikowanych w prestiżowym czasopiśmie NPJ Digital Medicine, naukowcy opracowali innowacyjny algorytm głębokiego uczenia, który analizuje obrazy wysokiej rozdzielczości naczyń siatkówki, aby wykrywać chorobę Alzheimera (AD) oraz łagodne zaburzenia poznawcze (MCI) na wczesnych etapach. Ten nowatorski model oparty na sztucznej inteligencji (AI) niesie nadzieję na wcześniejsze, nieinwazyjne i tańsze rozwiązania w diagnostyce demencji.
Nowatorskie podejście do diagnostyki
Chociaż istnieje wiele metod wykrywania demencji, takich jak testy biochemiczne, rezonans magnetyczny (MRI) czy tomografia komputerowa, wszystkie mają wspólną wadę — są kosztowne, inwazyjne i wymagają zaawansowanej infrastruktury medycznej. Dodatkowo, te techniki często nie potrafią wykrywać wczesnych postaci choroby Alzheimera, co ogranicza możliwość szybkiej interwencji u pacjentów na wczesnych etapach schorzenia.
W odpowiedzi na te wyzwania, naukowcy opracowali model „Eye-AD”, który analizuje dane z obrazów OCTA (ang. Optical Coherence Tomography Angiography) — nowoczesnej techniki obrazowania siatkówki. OCTA dostarcza szczegółowych informacji o mikrostrukturach naczyń krwionośnych w siatkówce, pozwalając na badanie nawet najmniejszych naczyń o rozdzielczości 5–6 μm. Dzięki temu można uzyskać szczegółowy wgląd w zmiany mikrokrążenia siatkówki, które mogą być powiązane z procesami neurodegeneracyjnymi, takimi jak te związane z chorobą Alzheimera.
Zastosowanie sztucznej inteligencji
Model Eye-AD wykorzystuje zaawansowane technologie, takie jak sieci neuronowe konwolucyjne (CNN) do ekstrakcji cech oraz grafowe sieci neuronowe (GNN) do analizy związków między różnymi warstwami siatkówki. Te dwie technologie współpracują, aby dokładnie ocenić stan funkcji poznawczych pacjenta na podstawie obrazów siatkówki. Dzięki zastosowaniu GNN, model potrafi efektywnie analizować zależności między poszczególnymi warstwami naczyń siatkówki, co pozwala na bardziej kompleksową ocenę zmian związanych z zaburzeniami poznawczymi.
Badanie obejmowało analizę danych z dwóch głównych grup: ROMCI (Retinal OCTA-based MCI detection) i ROAD (Retinal OCTA-based EOAD detection), które dostarczyły obrazów siatkówki niezbędnych do trenowania i oceny modelu.
Wyniki badań
Wyniki badań wykazały, że model Eye-AD osiągnął niezwykle wysoką dokładność, przewyższając tradycyjne metody wykrywania AD i MCI, takie jak badania biochemiczne czy MRI. Wskaźnik AUC (ang. Area Under the Curve), mierzący skuteczność klasyfikatorów, wynosił 0,9355 dla wykrywania wczesnej postaci choroby Alzheimera (EOAD) i 0,8630 dla MCI. Eye-AD nie tylko wykazuje wysoką precyzję, ale jest także szybki, nieinwazyjny i kosztowo efektywny, co czyni go idealnym narzędziem do szeroko zakrojonych badań przesiewowych.
Analiza interpretacyjna modelu wykazała, że głębokie warstwy siatkówki, szczególnie kompleks naczyń głębokich (DVC), miały kluczowe znaczenie w przewidywaniu zarówno EOAD, jak i MCI. DVC przyczynił się w 40% do przewidywań EOAD i w 49% do przewidywań MCI, co sugeruje, że zmiany w głębszych strukturach siatkówki mogą odzwierciedlać mechanizmy leżące u podstaw demencji oraz jej postęp.
Nowe perspektywy w walce z demencją
Model Eye-AD to ogromny krok naprzód w kierunku wczesnej diagnostyki demencji. Jego zdolność do nieinwazyjnego badania dużych populacji na podstawie obrazów siatkówki otwiera nowe możliwości w dziedzinie badań przesiewowych i monitorowania zdrowia poznawczego. Co istotne, technologia ta może być wdrożona na szeroką skalę, co pozwoli na identyfikację osób w początkowych stadiach choroby Alzheimera lub z łagodnymi zaburzeniami poznawczymi i umożliwi szybsze wdrożenie odpowiednich interwencji.
Choć wyniki badań są obiecujące, autorzy podkreślają potrzebę dalszych badań, aby zweryfikować skuteczność modelu w bardziej zróżnicowanych populacjach. Zintegrowanie dodatkowych metod diagnostycznych, takich jak badania krwi czy oceny poznawcze, może jeszcze bardziej zwiększyć potencjał diagnostyczny tego modelu. Przy dalszym rozwoju Eye-AD ma potencjał, aby stać się cennym narzędziem w diagnostyce i monitorowaniu demencji, przyczyniając się do poprawy jakości życia pacjentów i promowania zdrowego starzenia.
Podsumowanie
Zastosowanie technologii AI w wykrywaniu choroby Alzheimera i MCI poprzez analizę obrazów siatkówki to przyszłość wczesnej diagnostyki demencji. Dzięki modelowi Eye-AD, lekarze mogą szybciej i dokładniej identyfikować osoby zagrożone, co umożliwia wdrożenie skuteczniejszych interwencji, zanim choroba osiągnie zaawansowane stadium.
