Разработка методов ранней диагностики социально значимых заболеваний глаза на основе автоматизированного распознавания признаков на цветных фотографиях с использованием алгоритмов машинного обучения

КАРТОЧКА ПРОЕКТА ФУНДАМЕНТАЛЬНЫХ И ПОИСКОВЫХ НАУЧНЫХ ИССЛЕДОВАНИЙ,
ПОДДЕРЖАННОГО РОССИЙСКИМ НАУЧНЫМ ФОНДОМ

Информация подготовлена на основании данных из Информационно-аналитической системы РНФ, содержательная часть представлена в авторской редакции. Все права принадлежат авторам, использование или перепечатка материалов допустима только с предварительного согласия авторов.

ОБЩИЕ СВЕДЕНИЯ

Номер проекта 23-75-01007

НазваниеРазработка методов ранней диагностики социально значимых заболеваний глаза на основе автоматизированного распознавания признаков на цветных фотографиях с использованием алгоритмов машинного обучения

Руководитель Светозарский Сергей Николаевич, Кандидат медицинских наук

Организация финансирования, регион федеральное бюджетное учреждение здравоохранения "Приволжский окружной медицинский центр" Федерального медико-биологического агентства , Нижегородская обл

Конкурс №84 - Конкурс 2023 года «Проведение инициативных исследований молодыми учеными» Президентской программы исследовательских проектов, реализуемых ведущими учеными, в том числе молодыми учеными

Область знания, основной код классификатора 05 - Фундаментальные исследования для медицины; 05-224 - Офтальмология

Ключевые слова глаукома, сетчатка, диабетическая ретинопатия, возрастная макулярная дегенерация, катаракта, роговица, диагностика, скрининг, персонализированная медицина, биомедицинская оптика, искусственный интеллект, машинное обучение

Код ГРНТИ76.29.56

ИНФОРМАЦИЯ ИЗ ЗАЯВКИ

Аннотация
Актуальность. В Российской Федерации насчитывается более 100 тысяч человек с установленной инвалидностью вследствие болезней глаза [https://www.sechenov.ru/upload/medialibrary/26f/Avtoreferat-Nazaryan-MG_2019-v-pechat.pdf]. К числу ведущих причин слепоты и слабовидения в нашей стране относятся глаукома, болезни сетчатки и зрительного нерва, дегенеративная миопия, катаракта и болезни роговицы. Ранние стадии данных заболеваний зачастую протекают бессимптомно, что затрудняет своевременную диагностику и ухудшает прогноз лечения. Несмотря на большие достижения в ходе эволюции программ массового скрининга, процент позднего выявления социально значимых офтальмологических заболеваний остается высоким. Цветная фотография переднего отрезка и глазного дна – ценный источник специфических биомаркеров, связанных с изменением состояния роговицы, хрусталика, зрительного нерва, макулярной области сетчатки и ретинальных сосудов. Фотографирование переднего отрезка и глазного дна отличается высокой скоростью, неинвазивностью, низкой стоимостью, низкими требованиями к подготовке оператора, малым количеством изображений, необходимых для скрининга. По сравнению с традиционными методами применение технологий искусственного интеллекта может значительно повысить скорость и результативность анализа изображений. Целью проекта является разработка методов ранней диагностики социально значимых офтальмологических заболеваний на основе автоматизированного распознавания признаков на цветных фотографиях с использованием алгоритмов машинного обучения. (1) Будет создана аннотированная база данных цветных изображений переднего отрезка и глазного дна пациентов с соответствующими заболеваниями и здоровых лиц. (2) Будет разработана адаптированная под задачи офтальмологии методика предобработки изображений. В настоящее время разметка изображений является наиболее трудоемким и затратным этапом разработки систем искусственного интеллекта, а создание новых методов автоматизированной предобработки является одной из наиболее актуальных задач в данной сфере. (3) Изображения из разработанной базы данных после прохождения предобработки будут размечены специалистами-офтальмологами. (4) Размеченные изображения будут использованы для обучения системы, в основу которой будут по заложены методы, показавшие наилучшие показатели чувствительности и специфичности на этапе тестирования. В частности будут разработаны и протестированы системы, реализуемые на основе моделей глубокого обучения YOLOv5 (одноэтапный метод) и FasterR-CNN (двухэтапный метод), а также пакета градиентного "бустинга" деревьев решений. (5) Параметры эффективности разработанных методов диагностики будут оценены в сравнении с показателями практикующих офтальмологов. Будет проведено клиническое испытание разработанного прототипа системы ранней диагностики заболеваний сетчатки с проведением полевого эксперимента. Научная новизна. (1) Впервые будет создана отечественная аннотированная база данных цветных изображений переднего отрезка и глазного дна пациентов с офтальмологическими заболеваниями и здоровых лиц. Уникальность создаваемой базы данных в том, что помимо исходных снимков она будет содержать мета-данные о пациентах, включая возраст, пол, установленные заболевания и ряд других предикторов. (2) Будет разработан метод предобработки изображений, который позволит значительно сократить время, которое требуется специалистам для разметки необработанных изображений. (3) Будет разработан метод ранней диагностики социально значимых офтальмологических заболеваний, который позволит распознавать ранние признаки болезни с точностью, сравнимой с показателями практикующих офтальмологов, и объяснять полученные результаты с указанием зоны расположения признаков, решая проблему "черного ящика". (4) На основании клинико-организационного эксперимента будут впервые определены возможности и ограничения разрабатываемого метода в условиях реальной клинической практики.

ОТЧЁТНЫЕ МАТЕРИАЛЫ

Публикации

1. Светозарский С.Н., Абаева О.П., Романов С.В. PREDICTORS AND ASSOCIATED OUTCOMES OF ADHERENCE TO TREATMENT IN RUSSIAN PATIENTS UNDERGOING CORNEAL TRANSPLANTATION Russian Open Medical Journal, 2024. volume 13 - Issue 2: е0205 (год публикации - 2024)
10.15275/rusomj.2024.0205

2. Ситнова А.В., Валитов Э.Р., Светозарский С.Н. Применение алгоритмов глубокого обучения для идентификации грибкового кератита Современные технологии в медицине, 2024. Т.16, №4, с. 5-14 (год публикации - 2024)
twork to identify fungal keratitis. Sovremennye tehnologii v medicine 2010.17691/ stm2024.16.4.01

3. Ситнова А.В., Валитов Э.Р., Светозарский С.Н. Метод идентификации грибкового кератита с применением алгоритмов глубокого обучения Ситнова, А. В. Метод идентификации грибкового кератита с применением алгоритмов глубокого обучения / А. В. Ситнова, Э. Р. Валитов, С. Н. Светозарский // Российский общенациональный офтальмологический форум. – 2024. – Т. 2. – С. 380-384., Российский общенациональный офтальмологический форум. – 2024. – Т. 2. – С. 380-384. (год публикации - 2024)

4. Трубилин В.Н., Светозарский С.Н., Андреев А.Н. ОПТИМИЗАЦИЯ СРОКОВ ПОСЛЕОПЕРАЦИОННОГО НАБЛЮДЕНИЯ В ХИРУРГИИ КАТАРАКТЫ Российский офтальмологический журнал (год публикации - 2025)

5. Игонин Г.С., Светозарский С.Н. Современные технологии в диагностике и лечении демодекозного блефарита Современные технологии в медицине, Sovremennye tehnologii v medicine 2025; 17(3): 62-74, https://doi.org/10.17691/stm2025.17.3.06 (год публикации - 2025)
10.17691/stm2025.17.3.06

Аннотация результатов, полученных в 2025 году
В течение второго года реализации проекта были решены задачи, необходимые для внедрения методов ранней диагностики офтальмологических заболеваний, основанных на применении машинного обучения, в практическую деятельность. 1. Проведено исследование возможностей применения алгоритмов машинного обучения для ранней диагностики воспалительных заболеваний придатков глаза, в частности, для мониторинга хронических воспалительных заболеваний век. Было установлено, что наилучшие показатели диагностической ценности алгоритмы машинного обучения имеют в отношении автоматизированной оценки высоты, ширины, извилистости и плотности мейбомиевых желез при мейбографии. Дальнейшее внедрение алгоритмов искусственного интеллекта в протоколы конфокальной микроскопии и оптической когерентной томографии в перспективе может снизить требования к подготовке персонала и объективизировать методику, делая ее более доступной. Мультимодальное исследование краев век с автоматизированным анализом при помощи нейронных сетей является научно обоснованным перспективным этапом развития методов дифференциальной диагностики блефаритов. По данным раздела была подготовлена статья на тему: "Современные технологии в диагностике и лечении демодекозного блефарита". Рукопись принята к печати в журнал Современные технологии в медицине (WoS, Scopus Q3, PubMed). 2. Выполнена оценка пользовательских характеристик различных устройств, обеспечивающих получение фотографий структур глаза, путем их тестирования специалистами-офтальмологами Клиническая апробация включала оценку конструктивных и эргономических характеристик адаптера в сравнении с доступным на российском рынке аналогом. Критериями оценки конструктивных свойств являлись время монтажа, оцениваемое в секундах сторонним наблюдателем пятикратно для каждого специалиста, а также количество фактов смещения устройства относительно смартфона и окуляра щелевой лампы в ходе обследования 5 пациентов каждым специалистом. В оценке участвовали 14 врачей-офтальмологов. Разработанный адаптер для смартфона к щелевой лампе в сравнении с аналогом показал следующие результаты. Конструктивные свойства оригинального адаптера характеризовались в среднем на 26% меньшим временем, необходимым для монтажа (р<0,001), а также лучшей устойчивостью устройства (р=0,011). Эргономические характеристики разработанного устройства также выгодно отличались от прототипа (р<0,001). Таким образом, проведенное исследование продемонстрировало наличие конструктивных и эргономических преимуществ разработанного устройства для крепления смартфона к щелевой лампе по сравнению с наиболее распространенным аналогом. По результатам исследования была подана в печать и находится на рассмотрении в журнале «Head and neck. Голова и шея» (Scopus Q4) статья "Разработка и сравнительная оценка пользовательских характеристик оригинального адаптера для крепления смартфона к щелевой лампе". 3. С целью повышения безопасности хирургического лечения катаракты в условиях телемедицинского мониторинга научно обосновано применение технологий искусственного интеллекта в послеоперационном периоде. Телемедицинское наблюдение является новым вариантом мониторинга, требующим совершенствования технологической составляющей и оценки безопасности данного подхода для пациента. Данный раздел работы выполнен на базе офтальмологического отделения ФБУЗ ПОМЦ ФМБА России в дизайне сравнительного когортного исследования в 2 группах. Регламентированная программа послеоперационного ведения пациентов с катарактой в основной группе была оптимизирована с учетом сроков раннего выявления инфекционно-воспалительных осложнений и с применением разработанных методов автоматизированного распознавания воспалительных заболеваний переднего отрезка глаза. Основным результатом проведенного исследования было статистически значимое снижение вероятности позднего выявления воспалительных состояния в основной группе (р=0,018), что было ассоциировано с лучшими исходами лечения. Результаты данного раздела были представлены в рукописи "Оптимизация послеоперационного наблюдения в хирургии катаракты" и приняты в печать в журнал "Российский офтальмологический журнал" (Scopus Q4, RSCI). Таким образом, в ходе реализации проекта были решены отдельные задачи совершенствования методов диагностики на основе алгоритмов машинного обучения, внедрения требуемых для пополнения базы данных изображений устройств, научного обоснования масштабирования в клиническую практику применения разработанных методов автоматизированного распознавания воспалительных заболеваний переднего отрезка глаза.

Публикации

Возможность практического использования результатов
Российская Федерации является мировым лидером в сфере практического внедрения цифровых технологий на государственном уровне. Цифровая трансформация здравоохранения утверждена как стратегическое направление (Распоряжение Правительства Российской Федерации от 17 апреля 2024 года № 959-р), призванное обеспечить опережающее развитие отрасли и переход к высокотехнологичной медицине. Профиль «офтальмология» являлся одним из наиболее востребованных в структуре программы ОМС. Научное обоснование совершенствование организации оказания медицинской помощи по профилю "офтальмология" на основе критической технологии - искусственного интеллекта и других компонентов цифровой трансформации служит развитию новых технологий здоровьесбережения в соответствии со Стратегией научно-технологического развития Российской Федерации. Решенные в рамках проекта отдельные научные задачи служат цели создания интегрированной системы применения технологий искусственного интеллекта при оказании помощи по профилю "офтальмология", что должно способствовать обеспечению доступности и равенства граждан Российской Федерации при реализации программ государственных гарантий.