Новое исследование демонстрирует, что модель глубокого обучения может диагностировать заболевание роговицы кератоконус с точностью, превосходящей существующие методы, что открывает путь к более раннему лечению. Ученые разработали модель искусственного интеллекта, которая значительно повышает точность и надежность диагностики кератоконуса — дегенеративного заболевания глаз, при котором роговица истончается и принимает коническую форму, вызывая искажение зрения. Традиционные методы диагностики часто не позволяют выявить болезнь на самых ранних стадиях. В исследовании, опубликованном в журнале Scientific Reports, использовалась модель глубокого обучения, обученная на более чем 7000 топографических картах роговицы. Алгоритм научился выявлять тонкие паттерны и аномалии, характерные для кератоконуса, которые могут быть не видны даже опытным офтальмологам. Точность диагностики ИИ-модели оказалась выше по сравнению со стандартными индексами, используемыми в клинической практике. Успешное применение этой технологии может произвести революцию в офтальмологии. Раннее обнаружение кератоконуса имеет решающее значение, так как позволяет вовремя начать лечение, например, кросс-линкинг роговичного коллагена, чтобы остановить прогрессирование болезни и сохранить зрение пациента. ИИ-система может стать мощным инструментом для скрининга и диагностики, делая ее более доступной и точной.