Algorytm głębokiego uczenia się do wykrywania obturacyjnej choroby wieńcowej na podstawie zdjęć dna oka

Sztuczna inteligencja, przeszkolona poprzez uczenie się modeli, może szybko rozpoznawać obrazy medyczne i jest szeroko stosowana we wczesnych badaniach przesiewowych chorób i diagnostyce wspomaganej. Dzięki ciągłej optymalizacji głębokiego uczenia się zastosowanie sztucznej inteligencji pomogło odkryć nieznane wcześniej powiązania z innymi chorobami ogólnoustrojowymi. Sztuczna inteligencja oparta na obrazach dna siatkówki może zostać wykorzystana do wykrywania anemii, chorób wątroby i dróg żółciowych oraz przewlekłej choroby nerek, a także do przewidywania innych biomarkerów ogólnoustrojowych. Powyższe badania stanowią teoretyczne podstawy zastosowania technologii sztucznej inteligencji opartej na obrazach dna siatkówki w diagnostyce i przewidywaniu chorób układu krążenia.

Obecnie w Chinach i na świecie nadal brakuje dokładnych, szybkich i łatwych w użyciu narzędzi diagnostycznych i terapeutycznych do modelowania predykcyjnego ryzyka choroby niedokrwiennej serca oraz narzędzi do wczesnych badań przesiewowych. Obraz dna oka jest stopniowo wykorzystywany jako narzędzie do szeroko zakrojonych badań przesiewowych w kierunku chorób ze względu na jego szczególne połączenie z naczyniami krwionośnymi w całym organizmie, a także łatwą dostępność, taniość i skuteczność. Ogromne znaczenie naukowe i społeczne ma opracowanie i walidacja modelu identyfikacji i przewidywania choroby niedokrwiennej serca oraz jej czynników ryzyka w oparciu o obrazy dna oka z wykorzystaniem algorytmów głębokiego uczenia się AI oraz zbadanie wartości obrazów dna oka AI we wspomaganiu choroby niedokrwiennej serca diagnostyka i badania przesiewowe dla szerokiego zakresu zastosowań.