Нове дослідження показало, що за допомогою аналізу зображень сітківки з високою роздільною здатністю штучний інтелект здатен виявляти хворобу Альцгеймера та легкі когнітивні порушення на ранніх стадіях.
У статті, опублікованій в журналі NPJ Digital Medicine, представлено алгоритм глибокого навчання, що використовує зображення судин сітківки, зокрема мікросудини, для виявлення хвороби Альцгеймера (ХА) та легких когнітивних порушень (МКП). Завдяки цьому підходу стає можливим неінвазивне, швидке та економічно ефективне виявлення пацієнтів з високим ризиком розвитку деменції, що дозволить вчасно розпочати лікування і сповільнити прогресування хвороби. Дослідження включало аналіз 5751 зображення сітківки 1671 учасника, що дало змогу алгоритму значно перевершити традиційні методи діагностики хвороби Альцгеймера.
Основною перевагою цього підходу є його неінвазивність та доступність. На відміну від біохімічних тестів або магнітно-резонансної томографії (МРТ), які є дорогими і потребують спеціалізованих умов, аналіз зображень сітківки може бути впроваджений як стандартний метод скринінгу для виявлення когнітивних розладів. Цей новий метод ґрунтується на останніх дослідженнях, які показали, що сітківка ока може відображати мікросудинні зміни, характерні для нейродегенеративних процесів, пов’язаних із деменцією.
Зображення сітківки, отримані за допомогою оптичної когерентної томографії-ангіографії (ОКТ), дозволяють отримати детальні знімки мікросудинної мережі з роздільною здатністю до 5-6 мікрометрів. Використання цих даних разом зі штучним інтелектом відкриває можливості для точного та масштабованого виявлення когнітивних порушень. Розроблена модель під назвою “Eye-AD” поєднує згорткові нейронні мережі (CNN) для вилучення ознак та графові нейронні мережі (GNN) для аналізу взаємозв’язків між різними шарами сітківки. Це дозволяє моделі виявляти складні патерни, пов’язані з когнітивним зниженням.
Дослідження показало, що найбільш точними біомаркерами когнітивних порушень є зміни у фовеальній судинній зоні (ФАЗ) та глибоких шарах сітківки. Модель Eye-AD досягла високої точності з показником AUC (площа під кривою) 0,9355 для виявлення ранніх стадій хвороби Альцгеймера та 0,8630 для легких когнітивних порушень. Результати також свідчать, що зміни в глибокому судинному комплексі (DVC) мають більше значення для прогнозування захворювань, ніж інші шари сітківки.
Важливим висновком є те, що глибокі судинні зміни сітківки виявляються більш вираженими у пацієнтів із ранніми стадіями хвороби Альцгеймера порівняно з легкими когнітивними порушеннями. Це підтверджує гіпотезу про зв’язок між мікросудинними порушеннями сітківки та нейродегенеративними процесами в мозку.
Висновок
Модель Eye-AD пропонує перспективний інструмент для раннього виявлення деменції, що може сприяти більш ефективному скринінгу та своєчасному втручанню в лікування. Використання неінвазивного підходу з високою точністю робить цей метод придатним для широкомасштабного застосування. Однак необхідні подальші дослідження для підтвердження його ефективності у різноманітних популяціях і в поєднанні з іншими методами діагностики. У майбутньому ця модель може стати важливим інструментом для боротьби з деменцією та підтримки здорового старіння.
Важливо! Статистична інформація, представлена в медичних статтях, відображає загальні тенденції та не враховують особливості кожної окремої людини Індивідуальні обставини можуть суттєво відрізнятися. Завжди консультуйтеся з лікарем для прийняття персоналізованих рішень щодо свого здоров’я.
