Szanowni Państwo,

Medycyna Praktyczna wykorzystuje w swoich serwisach pliki cookies i inne pokrewne technologie. Używamy cookies w celu dostosowania naszych serwisów do Państwa potrzeb oraz do celów analitycznych i marketingowych. Korzystamy z cookies własnych oraz innych podmiotów – naszych partnerów biznesowych.

Ustawienia dotyczące cookies mogą Państwo zmienić samodzielnie, modyfikując ustawienia przeglądarki internetowej. Informacje dotyczące zmiany ustawień oraz szczegóły dotyczące wykorzystania wspomnianych technologii zawarte są w naszej Polityce Prywatności.

Korzystając z naszych serwisów bez zmiany ustawień przeglądarki internetowej wyrażacie Państwo zgodę na stosowanie plików cookies i podobnych technologii, opisanych w Polityce Prywatności.

Państwa zgoda jest dobrowolna, jednak jej brak może wpłynąć na komfort korzystania z naszych serwisów. Udzieloną zgodę mogą Państwo wycofać w każdej chwili, co jednak pozostanie bez wpływu na zgodność z prawem przetwarzania dokonanego wcześniej na podstawie tej zgody.

Klikając przycisk Potwierdzam, wyrażacie Państwo zgodę na stosowanie wyżej wymienionych technologii oraz potwierdzacie, że ustawienia przeglądarki są zgodne z Państwa preferencjami.

Sztuczna inteligencja nadzieją w leczeniu jaskry

Jaskra, druga najczęstsza przyczyna ślepoty na świecie, dotyka 3,5% populacji w wieku 40 lat lub więcej. W 2010 r. na jaskrę chorowało 60,5 mln osób, a liczba ta w roku 2020 może zwiększyć się do 80 mln.

Źródło: iStock

W diagnostyce stopnia zawansowania jaskry wykorzystuje się perymetrię, neuropatia jaskrowa powoduje bowiem charakterystyczne ubytki w polu widzenia. Wyniki uzyskiwane przez pacjentów w trakcie tego badania zależą w pewnym stopniu od czynników subiektywnych i stopnia koncentracji. Mogą one zależeć m.in. od pory dnia – badania wykonywane o poranku dają niejednokrotnie lepsze rezultaty niż te przeprowadzane tuż po obiedzie. Wyraźnie zauważalny jest efekt uczenia się pacjenta, w kolejnych badaniach uzyskuje się bardziej wiarygodne wyniki. Z biologicznego punktu widzenia wiemy, że istnieją związki między funkcją wzrokową a strukturą siatkówki. Z danych uzyskiwanych z badań obrazowych siatkówki można uzyskać informacje, które mogą pomóc w rozpoznaniu jaskry.

Na dorocznym spotkaniu ARVO (28 kwietnia – 2 maja 2019) w Vancouver zaprezentowano wyniki badań pochodzących ze współpracy zespołów badawczych z IBM Research i naukowców z New York University, którzy wykorzystali sztuczną inteligencję i technologię głębokiego uczenia się (deep learning). W trakcie tego badania na podstawie pojedynczych skanów pochodzących z optycznej koherentnej tomografii (OCT) z niespotykaną dokładnością (korelacja Pearsona 0,88) szacowano VFI (visual field index, wskaźnik pola widzenia) – parametr służący do globalnej oceny całego pola widzenia. Technologia głębokiego uczenia się pozwala oceniać VFI, co w przyszłości można będzie potencjalnie wykorzystywać do szybkiego oszacowania zdolności widzenia pacjenta bez potrzeby wielokrotnych i czasochłonnych badań perymetrycznych.

Na podstawie konwencjonalnych pomiarów strukturalnych uzyskiwanych w trakcie badania OCT, jak grubość warstwy włókien nerwowych siatkówki (RNFL), grubość warstwy komórek zwojowych plamki i warstwy splotowatej wewnętrznej (GC-IPL - macular ganglion cell-inner plexiform layer), nie jesteśmy w stanie tak dokładnie ocenić parametrów charakteryzujących pole widzenia, mimo że oba badane parametry są badane w diagnostyce jaskry. Badanie przeprowadzone przez IBM sugeruje, że pomiary strukturalne pochodzące z OCT zawierają informacje, które są silnie skorelowane z wynikami funkcjonalnymi i mogą być niezwykle przydatne dla profesjonalistów.

Innym ważnym zagadnieniem w przypadku jaskrze jest szybkość jej postępowania, co wymaga starannej analizy danych pochodzących z wielu wizyt. IBM wykorzystał do tego technologię uczenia maszynowego. Wykazano, że wyniki badań funkcjonalnych można będzie prognozować, co może pomóc specjalistom w lepszym przewidywaniu progresji choroby i odpowiednim dostosowaniu leczenia.

07.06.2019

Zaprenumeruj newsletter

Na podany adres wysłaliśmy wiadomość z linkiem aktywacyjnym.

Dziękujemy.

Ten adres email jest juz zapisany w naszej bazie, prosimy podać inny adres email.

Na ten adres email wysłaliśmy już wiadomość z linkiem aktywacyjnym, dziękujemy.

Wystąpił błąd, przepraszamy. Prosimy wypełnić formularz ponownie. W razie problemów prosimy o kontakt.

Jeżeli chcesz otrzymywać lokalne informacje zdrowotne podaj kod pocztowy

Nie, dziękuję.

Na co choruje system ochrony zdrowia

  • Pięć minut dla pacjenta
    Lekarze rodzinni mają na zbadanie jednego pacjenta średnio po kilka minut. Taka sytuacja rodzi frustracje po obu stronach – wśród chorych, bo chcieliby więcej uwagi, oraz wśród lekarzy, bo nie mogą jej pacjentom poświęcić.
  • Dlaczego pacjenci muszą czekać w kolejkach?
    Narodowy Fundusz Zdrowia wydaje rocznie na leczenie pacjentów ponad 60 mld zł. Ale ani te pieniądze, ani rozwiązania wprowadzane przez Ministerstwo Zdrowia – tzw. pakiet onkologiczny i pakiet kolejkowy – nie zmienią sytuacji. Dlaczego?