On houkutteleva ajatus luottaa tekoälyyn silmäsairauksien tunnistamisessa, erityisesti jos se tehostaa merkittävästi hoitoprosessia tai parantaa vastaanottotoiminnan laatua. Toisaalta voi myös tuntua uhkaavalta, että tekoälypohjainen lääkinnällinen laite pystyy tunnistamaan silmäsairauksia ja tekemään silmälasivoimakkuuden määrittämiseen tähtääviä tutkimuksia. Onko optometristilla tässä vielä roolia? Millaista tutkimusnäyttöä asiasta on olemassa ja missä määrin huolenaiheet ovat perusteltuja? Tässä artikkelissa käsitellään pääasiassa tekoälyä diagnostisena työkaluna.
Tekoälyn luotettavuus silmäsairauksien tunnistamisessa
Tekoälyä hyödynnettäessä on tiedettävä, kuinka luotettava se käytännössä on. Huomioitavaa on, että millään laitteella ei ole 100 prosentin luotettavuutta. Käytännössä tämä tarkoittaa, että joissakin tekoälypohjaisissa tutkimuksissa tulee väärä havainto silmäsairaudesta, vaikka sairautta ei todellisuudessa ole ja vastaavasti aina tekoäly ei havaitse silmäsairautta, vaikka tutkittavalla sellainen kuitenkin on. Tällaisia löydöksiä kutsutaan “vääriksi positiivisiksi” ja “vääriksi negatiivisiksi”. Väärien tulosten riskiä ei välttämättä kuitenkaan enää voida pitää käytännössä kovinkaan suurena. Missä määrin tällä hetkellä voidaan sitten käyttää tekoälyä kolmen yleisimmän silmäsairauden tunnistamiseen?
Silmänpohjan ikärappeumat
Silmänpohjan ikärappeuman havaitseminen silmänpohjakuvan ja tekoälyn yhdistelmän avulla on kehittynyt jo lupaavaksi käytännön työkaluksi. Tekoäly tunnistaa todennäköisesti paremmin jo edenneen makulan rappeuman kuin aivan makulan rappeuman varhaiset merkit. Toistaiseksi algoritmien soveltamisessa suositellaan kuitenkin varovaisuusperiaatetta, koska tekoälyllä ei ole vielä FDA- tai CE-luotettavuusluokitusta silmänpohjan ikärappeuman diagnostiikkaan liittyen. Tekoälyn antamat väärät positiiviset voidaan tehokkaasti estää optometristin tai silmälääkärin lisätutkimuksilla. i
Diabeettinen retinopatia
Toistaiseksi FDA-hyväksynnän saaneita tekoälyjärjestelmiä on käytössä kaksi, EyeArt ja IDx-DR. Nämä kaksi järjestelmää toimivat jo hyvin kliinisen vastaanottotyön tukena. Niillä on hyvin alhainen väärien negatiivisten tulosten määrä ja siksi järjestelmiä voidaan käyttää seulovana tutkimuksena ennen potilaan ohjaamista optometristille tai silmälääkärille. On kuitenkin huomioitava, että järjestelmät antavat suhteellisen helposti vääriä positiivisia löydöksiä. ii Myös diabeettisen retinopatian kohdalla on järkevää, että optometristi tarkistaa silmänpohjan konservatiivisin menetelmin ja päättää vasta sitten, pitääkö asiakas ohjata silmälääkärille vai ei. Optometristi voi siis karsia monia tekoälyn antamia vääriä testituloksia. Diabetesta sairastavien määrän lisääntyessä tekoäly on kuitenkin erittäin tervetullut lisä diabeettisen retinopatian seulontaan.
Glaukooma
Tekoälyteknologia ei ole vielä tarpeeksi kehittynyt tunnistaakseen glaukoomaa itsenäisesti. Glaukooman poissulkemiseksi tarvitaan yleensä vielä lisätutkimuksia, esimerkiksi silmänpohjan valokerroskuvaus OCT ja näkökenttätutkimus. Nyt saatavilla olevien tekoälyjärjestelmien tuloksia voidaan kuitenkin hyvin käyttää optometristin päätösten tukena. Tekoälyn odotetaan kehittyvän lähitulevaisuudessa myös merkittäväksi glaukooman diagnostiikan menetelmäksi, kunhan käytännön ongelmat saadaan ratkaistua. iii Lähitulevaisuudessa menetelmää voidaan mahdollisesti hyödyntää diabeettisen retinopatian tekoälypohjaisen seulonnan tavoin, ja silloin optometristilla on kokonaisuudessa tärkeä rooli järjestelmän havaitsemien poikkeamien arvioimiseksi.
Ottaako tekoäly vallan?
Toistaiseksi optometristilla ja silmälääkärillä on välttämätön rooli silmäsairauksien diagnostiikassa ja tekoälyä voidaan käyttää päätöksentekoa tukevana välineenä. Tekoälyteknologia kehittyy nopeasti ja sen myötä voidaan perustellusti odottaa sen suorittavan yhä enemmän itsenäisesti sellaisia tehtäviä, joita aikaisemmin on tehty ammattihenkilöiden toimesta. Heidän toimenkuvansa puolestaan muuttuvat kehityksen myötä enemmän tulosten tulkitsijan ja potilaan valmentajan suuntaan. Pelko siitä, että silmäterveydenhuollon ammattilaiset joutuisivat työttömiksi lähitulevaisuudessa, on turha. Väestön ikääntymisen ja silmäsairauksien määrän lisääntyessä tarvitsemme kaikki mahdolliset innovaatiot varmistamaan, että silmäterveydenhuollon asiakkaat ja potilaat saavat oikea-aikaista hoitoa. Terveydenhuollon ammattihenkilöpula, mikä silmäterveydenhuollossa näkyy optometristi-, silmälääkäri- ja silmähoitajapulana, lisää entisestään tarvetta uudelle teknologialle.
Artikkeli julkaistu ECOO:n uutiskirjeessä ja alun perin Eyeline Magazine #2:ssa, keväällä 2022
Vapaa suomennos: Näkeminen ja silmäterveys NÄE ry
Optometrian ja optiikan Eurooppa-neuvosto (ECOO) edustaa optometristien ja optikkojen etuja 25 maassa. Sen tavoitteena on edistää kansalaisten silmien terveyttä yli rajojen ja yhdenmukaistaa optometrisen ja optisen käytännön kliinisiä ja koulutuksellisia standardeja kaikkialla Euroopassa. Verkkosivusto: www.ecoo.info
Viittaukset
[i] Dong, L., Yang, Q., Zhang, R. H., & Wei, W. B. (2021). Artificial intelligence for the detection of age-related macular degeneration in color fundus photographs: A systematic review and meta-analysis. EClinicalMedicine, 35, 100875.
[ii] Heydon, P., Egan, C., Bolter, L., Chambers, R., Anderson, J., Aldington, S., … & Rudnicka, A. R. (2021). Prospective evaluation of an artificial intelligence-enabled algorithm for automated diabetic retinopathy screening of 30 000 patients. British Journal of Ophthalmology, 105(5), 723-728.
[iii] Mursch-Edlmayr, A. S., Ng, W. S., Diniz-Filho, A., Sousa, D. C., Arnould, L., Schlenker, M. B., … & Jayaram, H. (2020). Artificial intelligence algorithms to diagnose glaucoma and detect glaucoma progression: translation to clinical practice. Translational Vision Science & Technology, 9(2), 55-55.
