Το ChatGPT της Οφθαλμολογίας

 Κυριακή, 22 Οκτωβρίου, 2023

Ερευνητές στη Βρετανία - με ελληνική συμμετοχή - ανέπτυξαν ένα πρωτοποριακό ΑΙ μοντέλο, το οποίο προσφέρει ταχύτερη διάγνωση σοβαρών οφθαλμικών παθήσεων αλλά και πρόγνωση συστημικών νόσων όπως οι καρδιοπάθειες και το Πάρκινσον.

Εχει διεισδύσει σε πλήθος πεδίων: γράφει, δίνει φωνή σε ασθενείς που δεν έχουν, κάνει διαγνώσεις, επιλέγει θεραπευτικές παρεμβάσεις. Η Τεχνητή Νοημοσύνη (Artificial Intelligence, AI) είναι εδώ – και παρά τις εύλογες νομικές και ηθικές συζητήσεις που έχει ανοίξει η χρήση της, το σίγουρο είναι ότι θα δίνει ολοένα και ισχυρότερο «παρών» στα χρόνια που έρχονται. Η εφαρμογή της μάλιστα σε τομείς όπως αυτός της Ιατρικής, σύμφωνα με πολλούς ειδικούς που βλέπουν στην ΑΙ έναν πολύτιμο βοηθό, είναι ήδη επωφελής για πλήθος ασθενών με διαφορετικές νόσους.

Και τώρα η ΑΙ υπόσχεται να προσέχει τα μάτια μας… σαν τα μάτια μας, μέσω ενός μοντέλου, του πρώτου του είδους του στην Οφθαλμολογία, το οποίο είναι σε θέση να εντοπίζει σοβαρές παθήσεις των οφθαλμών οι οποίες οδηγούν σε τύφλωση. Και όχι μόνο. Το νέο ΑΙ «μοντέλο θεμελίωσης» (foundation model) που ονομάζεται RETFound και το οποίο αποτελεί «τέκνο» ερευνητών του University College του Λονδίνου (UCL) και του Οφθαλμολογικού Νοσοκομείου Moorfields μπορεί να «δει» μέσα στα ανθρώπινα μάτια ακόμη και τον κίνδυνο για καρδιακά και εγκεφαλικά επεισόδια ή για τη νόσο του Πάρκινσον! Κοινώς, με έναν (ΑΙ) σμπάρο πολλά προγνωστικά και διαγνωστικά τρυγόνια!

Θεμελιώδες σύστημα

Το RETFound παρουσιάστηκε πρόσφατα σε μελέτη στο έγκριτο επιστημονικό περιοδικό «Nature» και το ΒΗΜΑ-Science ζήτησε από τον δρα Κωνσταντίνο Μπαλάσκα, οφθαλμίατρο, καθηγητή Ιατρικής Τεχνητής Νοημοσύνης στο UCL και διευθυντή του Εργαστηρίου Κλινικής Τεχνητής Νοημοσύνης στο Moorfields που συμμετείχε στη δημοσίευση, να εξηγήσει τη χρήση και την αξία του… για τα μάτια σας (και όχι) μόνο. Ο δρ Μπαλάσκας περιέγραψε αρχικώς ότι το RETFound αναπτύχθηκε με χρήση 1,6 εκατομμυρίων απεικονίσεων του αμφιβληστροειδούς χιτώνα που ανήκουν στην τεράστια βάση δεδομένων του Moorfields, τη μεγαλύτερη του είδους της στον κόσμο – μάλιστα ο ίδιος έπαιξε καθοριστικό ρόλο στην αξιολόγηση των δεδομένων που προέκυψαν και στην αντιστοίχισή τους με τον κίνδυνο εμφάνισης τόσο οφθαλμικών όσο και συστημικών παθήσεων.

Πώς όμως εκπαιδεύθηκε το μοντέλο και ποια η… θεμελιώδης διαφορά αυτού του «μοντέλου θεμελίωσης» από τα υπάρχοντα συστήματα ΑΙ στην Οφθαλμολογία; «Τα μοντέλα θεμελίωσης είναι πολύ μεγάλα, πολύπλοκα ΑΙ συστήματα, τα οποία χρησιμοποιούν την αποκαλούμενη αυτο-εποπτευόμενη μάθηση, σώζοντάς μας από τεράστιο όγκο δουλειάς. Τα τυπικά συστήματα μηχανικής μάθησης εκπαιδεύονται μέσω εποπτευόμενης μάθησης – δηλαδή οι ειδικοί τροφοδοτούν τα συστήματα με απεικονίσεις από ασθενείς με μια συγκεκριμένη πάθηση, οι οποίες είναι σηματοδοτημένες: το σύστημα ξέρει για παράδειγμα στην περίπτωση των οφθαλμικών παθήσεων ότι μια εικόνα αφορά εκφύλιση ωχράς κηλίδας, μια άλλη εικόνα γλαύκωμα ή μια τρίτη ένα φυσιολογικό μάτι. Το σύστημα προσπαθεί να ανιχνεύσει μοτίβα που να δικαιολογούν τη σήμανση που του έχει δοθεί κάθε φορά. Ετσι εκπαιδεύεται ώστε τελικά να είναι σε θέση, όταν του δοθεί μια βάση άγνωστων εικόνων, να αναγνωρίζει τα μοτίβα που διδάχθηκε με βάση την προηγούμενη σήμανση των απεικονίσεων».

Αυτοδίδακτη τεχνολογία

Το RETFound πάλι είναι αυτο-εποπτευόμενο. Ενα μοντέλο-«καμβάς» χωρίς συγκεκριμένη κλινική αποστολή, το οποίο μπορεί να χρησιμοποιηθεί για τη διάγνωση πλήθους νόσων. «Τα μοντέλα θεμελίωσης όπως το RETFound ουσιαστικώς δημιουργούν ένα υπόβαθρο επάνω στο οποίο μπορούν να χτιστούν άλλα εξειδικευμένα μοντέλα με λιγότερη προσπάθεια. Στο μοντέλο αυτό δεν υπάρχει ανθρώπινη επίβλεψη, δεν χρειάζεται να έχει γίνει προεργασία σήμανσης εικόνων ώστε να εκπαιδευθεί το μοντέλο. Αποτελεί τη μεγαλύτερη τομή αυτή τη στιγμή στην ΑΙ» ανέφερε ο δρ Μπαλάσκας.

Ουσιαστικώς το RETFound λειτουργεί κατά τρόπο «αυτοδίδακτο» – θα μπορούσε να θεωρηθεί το ChatGPT της υπολογιστικής όρασης. «Το ChatGPT εκτέθηκε αρχικώς σε τεράστιο αριθμό κειμένων και εκπαιδεύθηκε στη συνέχεια προσπαθώντας να μαντεύει ποια λέξη θα έπρεπε να μπει σε μια θέση ενός κειμένου όπου η λέξη ήταν κρυμμένη. Αντιστοίχως σε ό,τι αφορά τις απεικονίσεις στις οποίες ειδικεύεται το RETFound, το σύστημα αφού έχει εκτεθεί σε εκατομμύρια εικόνες εκπαιδεύεται σχεδόν μόνο του – με χρήση μόλις 10% εικόνων με σήμανση – στο να μαντεύει τι λείπει σε κάποιο σημείο της εικόνας το οποίο το ίδιο κρύβει. Ετσι σταδιακά μαθαίνει να συμπληρώνει σωστά την εικόνα δίνοντας ένδειξη στους ειδικούς σχετικά με την ύπαρξη πλήθους νόσων σε μια οφθαλμολογική εξέταση. Με την προενσωματωμένη γνώση του βοηθά τους γιατρούς να γλιτώσουν σημαντική προσπάθεια και χρόνο».

Συνεχείς βελτιώσεις

Η απόδοση του συστήματος δεν είναι τέλεια, υπογράμμισε ο έλληνας καθηγητής. «Είναι όμως η καλύτερη μέχρι σήμερα σε σύγκριση με οποιαδήποτε άλλη αντίστοιχη προσπάθεια – της τάξεως συνολικά του 85% και μάλιστα ακόμη και σε διαφορετικούς πληθυσμούς και σε ασθενείς με σπάνιες νόσους. Και βρισκόμαστε ακόμη στην αρχή. Οσο το σύστημα θα τελειοποιείται η απόδοσή του θα ανεβαίνει». Απώτερος στόχος της ερευνητικής ομάδας είναι η περαιτέρω ανάπτυξη του συστήματος ώστε να εντοπίζει εκατοντάδες οφθαλμικές νόσους που απειλούν την όραση του πληθυσμού.

Το πρωτοποριακό αυτό σύστημα δεν υπόσχεται όμως μόνο καλύτερη διάγνωση ασθενειών που χτυπούν τα μάτια όπως η διαβητική αμφιβληστροειδοπάθεια, η εκφύλιση της ωχράς κηλίδας ή το γλαύκωμα, αλλά και πρόβλεψη σοβαρών συστημικών νόσων, όπως το Πάρκινσον, η καρδιακή ανεπάρκεια αλλά και τα εγκεφαλικά επεισόδια. Είναι γνωστό ότι τα μάτια αποτελούν «παράθυρο» στο οποίο αντικατοπτρίζεται η συνολική υγεία του οργανισμού καθώς προσφέρουν μια μη παρεμβατική ματιά στην κατάσταση του νευρικού αλλά και του αγγειακού συστήματος. Ετσι πλέον, μια αναδυόμενη επιστήμη η οποία έρχεται να προστεθεί στα πολλά -omics που έχουν μπει στη ζωή μας και ονομάζεται «οculomics» (όρος που πρωτοεισήχθη το 2020 από τον καθηγητή Αλαστερ Ντένιστον, εκ των συγγραφέων της μελέτης για το RETFound στο «Nature») υπόσχεται πρόγνωση συστημικών νόσων μέσω των ματιών. Μάλιστα, όπως μας ενημέρωσε ο δρ Μπαλάσκας, ο οποίος ανέλυσε τα αποτελέσματα απόδοσης του RETFound σχετικά την πρόβλεψη συστημικών νόσων, η ακρίβεια πρόβλεψης εγκεφαλικού επεισοδίου τα επόμενα τρία χρόνια ήταν 59,4%, η ακρίβεια πρόβλεψης εμφράγματος του μυοκαρδίου τα επόμενα τρία χρόνια ήταν 60,5%, η ακρίβεια πρόβλεψης καρδιακής ανεπάρκειας μέσα στο ίδιο διάστημα ήταν 68,2% και η ακρίβεια πρόβλεψης νόσου του Πάρκινσον τα επόμενα τρία χρόνια ήταν 55,1%.

Συνολικά ο έλληνας καθηγητής έκανε λόγο για «ένα επαναστατικό σύστημα σε εξέλιξη. Ηδη με την ομάδα μου στο Moorfields αναπτύσσουμε με βάση το RETFound έναν εξειδικευμένο αλγόριθμο διάγνωσης του οιδήματος του οπτικού νεύρου, το οποίο δείχνει να αποδίδει εξαιρετικά έχοντας τροφοδοτηθεί, χάρη στο μοντέλο θεμελίωσης, με λιγότερα δεδομένα. Πρόκειται τελικώς για ένα σύστημα που θα επιτρέψει την «ισότητα» στην έρευνα, στη διάγνωση και στην πρόσβαση στη θεραπεία των οφθαλμικών νόσων και όχι μόνο, καθώς κέντρα ανά τον κόσμο, ακόμη και όταν δεν υπάρχουν πολλά μέσα και υποδομές, θα μπορούν να δημιουργούν με βάση το RETFound δικούς τους αλγορίθμους για την πιο έγκαιρη και ακριβή αντιμετώπιση περιστατικών. Αυτή είναι η ουσία της καλής χρήσης της ΑΙ προς όφελος του πληθυσμού».

(Και) το RETFound αποδεικνύει ότι απέναντι στη σαρωτική ΑΙ που αποτελεί σε πολλά επίπεδα ένα «μαύρο κουτί» ακόμη και για τους ειδικούς, απαιτείται ο κατάλληλος τρόπος (εφαρμογής της) ώστε να σωθούμε από πολύ κόπο και στην περίπτωση της Ιατρικής και από πόνο εκατομμυρίων ανθρώπων. Ας ελπίσουμε ότι θα πράξουμε σωστά ώστε να μην τη μετατρέψουμε σε «κουτί της Πανδώρας»…

Αλγόριθμοι με απόδοση πάνω από 95%

Η ομάδα του δρος Μπαλάσκα στο Moorfields έχει ήδη αναπτύξει σημαντικά ΑΙ συστήματα διάγνωσης συγκεκριμένων νόσων των οφθαλμών. «Εχουμε δημιουργήσει αλγόριθμο διάγνωσης της ηλικιακής εκφύλισης της ωχράς κηλίδας η οποία αποτελεί τη συχνότερη αιτία απώλειας όρασης στον δυτικό κόσμο. Εχουμε επίσης αναπτύξει αλγόριθμο για τη διαβητική αμφιβληστροειδοπάθεια που είναι η δεύτερη συχνότερη αιτία απώλειας όρασης – και οι δύο αυτοί αλγόριθμοι έχουν απόδοση που ξεπερνά το 95%. Πρόσφατα αναπτύξαμε και έναν αλγόριθμο διάγνωσης της αμφιβληστροειδοπάθειας της προωρότητας η οποία αποτελεί την πιο συχνή αιτία απώλειας της όρασης σε βρέφη και παιδιά» σημείωσε ο καθηγητής και εξήγησε πως σε ό,τι αφορά τον τελευταίο αυτόν αλγόριθμο που μπορεί να σώσει την όραση των βρεφών «σαρώνοντας μια μόνο απεικόνιση του ματιού του βρέφους, το σύστημα ΑΙ που αναπτύξαμε μπορεί να δώσει ένδειξη σχετικά με το αν χρειάζεται άμεση παραπομπή του μικρού ασθενούς σε εξειδικευμένο κέντρο για θεραπεία, με ακρίβεια σχεδόν 100%. Η σχετική δημοσίευση έγινε πρόσφατα στο ‘‘The Lancet Digital Health’’». Μάλιστα το σύστημα αυτό έδειξε ότι μπορεί να είναι αποδοτικό αναλύοντας εικόνες οφθαλμών βρεφών με διαφορετικά πληθυσμιακά χαρακτηριστικά. «Εφαρμόσαμε το μοντέλο και σε απεικονίσεις των οφθαλμών βρεφών από την Αίγυπτο και τη Βραζιλία και είδαμε ότι η απόδοσή του ήταν επίσης της τάξεως του περίπου 100% και σε άλλους πληθυσμούς πέραν εκείνων στους οποίους εκπαιδεύθηκε».

Ανοιχτή πρόσβαση για τους ειδικούς

Ενα επιπλέον πλεονέκτημα του RETFound είναι ότι έχει πολύ καλή απόδοση στον εντοπισμό οφθαλμοπαθειών σε διαφορετικούς πληθυσμούς. Το γεγονός ότι η εκπαίδευση του συστήματος έγινε με χρήση της μεγαλύτερης βάσης απεικονιστικών δεδομένων σχετικά με τους οφθαλμούς παγκοσμίως η οποία αντικατοπτρίζει μια μεγάλη εθνοτική ποικιλομορφία τού έδωσε τη δυνατότητα να μπορεί να αποτελεί πολύτιμη βάση ώστε να χτίσουν οι ερευνητές ανά τον κόσμο τα δικά τους εξειδικευμένα συστήματα διάγνωσης νόσων των οφθαλμών αλλά και πρόγνωσης συστημικών νόσων. Στο πλαίσιο αυτό οι ερευνητές του Moorfields και του UCL επέτρεψαν την ανοιχτή πρόβαση στο σύστημα. Είναι πλέον διαθέσιμο στην πλατφόρμα GitHub για χρήση από οποιοδήποτε ερευνητικό κέντρο παγκοσμίως προκειμένου να αποτελέσει «ακρογωνιαίο λίθο» της παγκόσμιας προσπάθειας έγκαιρης ανίχνευσης και θεραπείας νόσων που μπορούν να οδηγήσουν σε τύφλωση. Ηδη ερευνητές από διαφορετικές χώρες όπως η Σιγκαπούρη και η Κίνα χρησιμοποιούν το RETFound στις αναλύσεις τους για τις οφθαλμοπάθειες.