Prace badawczo-rozwojowe nad wykorzystaniem systemów uczenia maszynowego we wczesnej diagnostyce jaskry prowadzone są w PCSS od ponad 10 lat. We współpracy z lekarzem okulistą dr. Robertem Wasilewiczem wypracowano przez ten czas, funkcjonujący już na stałe i nadający się do powielenia w innych dziedzinach medycyny, sposób wykorzystania technik uczenia maszynowego dla lepszego poznawania patomechanizmów i czynników rozwoju choroby.
Budowane przez PCSS modele decyzyjne to nie tyle systemy wspomagania decyzji, co bardziej narzędzia w transdyscyplinarnym laboratorium badawczym, z którego korzystają lekarze. Opracowana metodologia oraz model, który można wykorzystać do budowy urządzenia wspomagającego analizę zapisywanych danych i ocenę ryzyka, dały podstawę do złożenia wniosków patentowych do biur patentowych Europy, USA i Japonii.
18 kwietnia 2023 r. Japoński Urząd Patentowy (JPO) wydał decyzję o udzieleniu patentu. Zastrzeżenie patentowe dotyczy sposobu tworzenia modelu predykcyjnego do przewidywania ryzyka wystąpienia jaskry u pacjenta, sposobu określania ryzyka wystąpienia jaskry u pacjenta z wykorzystaniem takiego modelu predykcyjnego, urządzenia do przewidywania ryzyka wystąpienia jaskry u pacjenta, programu komputerowego oraz odczytywalnego komputerowo nośnika pamięci.
Jaskra to postępująca neuropatia nerwu wzrokowego, będąca najczęstszą na świecie przyczyną nieodwracalnej utraty widzenia. Jej patomechanizm związany jest z zachodzącą pod wpływem działania nadmiernych sił mechanicznych zmianą fenotypu blaszki sitowej twardówki, która prowadzi do eliminacji neuronów i przyspieszonego procesu śmierci komórek zwojowych siatkówki. Utrata tych komórek prowadzi do przerwania czynnościowej ciągłości drogi wzrokowej, w następstwie czego dochodzi do rozwoju specyficznych, zależnych od architektury siatkówki i nerwu wzrokowego, ubytków w polu widzenia. Pojawiają się one klinicznie w momencie utraty co najmniej 30–50% komórek zwojowych danego obszaru siatkówki.
Transdyscyplinarna współpraca rozpoczęła się oczywiście od budowy modelu diagnostycznego, ale od samego początku celem tych prac była możliwość zastosowania tego modelu do oceny proponowanych metod terapeutycznych – w jaki sposób zmiana pewnych parametrów wpływających na diagnozę w stronę choroby może wpłynąć na samą diagnozę, a tym samym na zmniejszenie wpływu patogenu na pacjenta?
Do badań wykorzystywane są trzy rodzaje danych: 24-godzinny zapis zmienności objętości gałki ocznej, współbieżnie rejestrowane zmiany ciśnienia krwi oraz mierzone parametry biomechaniczne gałki ocznej. Podstawą do budowy modelu była prowadzona w wielu cyklach eksploracja parametrów pomiarowych. Wyznaczenie optymalnych dla określenia patomechanizmu parametrów opisu przypadku było ściśle sterowane wiedzą, ale także intuicją ekspercką lekarza. Dzięki temu uzyskano efekt sprzężenia zwrotnego – model uczący był budowany na bazie wiedzy medycznej, a odkrywanie i interpretowanie zjawisk fizjologicznych przez lekarza było możliwe na bazie pracy z danymi i modelem.
W efekcie przyjętej metodologii powstał pierwszy w klasie, czynnościowy i niezależny od atrybutu IOP (Intraocular Pressure – ciśnienie wewnątrzgałkowe) inteligentny system wsparcia decyzji w diagnostyce i terapii neuropatii jaskrowej, oparty o opis dynamicznych zjawisk i interakcji zachodzących pomiędzy gałką oczną a układem sercowo-naczyniowym. W walidacji model klasyfikacyjny posiada obecnie współczynnik AUC = 0,87, który osiągają jedynie złożone modele budowane w oparciu o dane personalne (wywiad rodzinny), dane genomiczne oraz cechy obrazu dna oka.
Na koniec należy podkreślić, że większość obecnych zastosowańsztucznej inteligencji w medycynie dotyczyła wąsko zdefiniowanych zadań przy użyciu jednej modalności danych, takiej jak tomografia komputerowa (CT) lub zdjęcie siatkówki. Jednak, w przeciwieństwie do tego, klinicyści przetwarzają dane z wielu źródeł i modalności podczas diagnozowania, dokonywania ocen prognostycznych i decydowania o planach leczenia. Co więcej, obecne oceny AI są zazwyczaj jednorazowymi migawkami, opartymi na momencie, w którym taka ocena jest przeprowadzana, a zatem nie „postrzegają” zdrowia jako stanu ciągłego.
Autorzy patentu:
dr n. med. Robert Wasilewicz, [W] Eye Clinic
dr inż. Cezary Mazurek, IChB PAN, PCSS
Juliusz Pukacki, IChB PAN, PCSS
Hubert Świerczyński, IChB PAN, PCSS
