Обычная фотография сетчатки может содержать информацию о возрасте, состоянии сосудов и образе жизни человека — характеристиках, связанных с вероятностью развития болезни Альцгеймера. Ученые рассчитывают, что в будущем анализ таких снимков с помощью искусственного интеллекта поможет выделять людей, которым требуется углубленное обследование, задолго до возникновения когнитивных нарушений. О том, какие изменения алгоритм обнаружил в глазах участников исследования, насколько надежным оказался метод и почему его пока нельзя считать диагностическим тестом, — в материале «Известий».

Что сетчатка может рассказать о здоровье мозга

Сетчатка представляет собой слой нервной ткани на внутренней поверхности глаза. Ее состояние зависит не только от офтальмологических заболеваний, но и от работы сосудистой, нервной и обменной систем организма. Поэтому ученые рассматривают глазное дно как относительно доступный источник информации о процессах, которые могут происходить в головном мозге.

В отличие от сложных методов нейровизуализации, цветная фотография глазного дна делается быстро и не требует вмешательства в организм. Такие снимки уже широко применяются во время обследования пациентов с сахарным диабетом, глаукомой и другими заболеваниями. Исследователи предполагают, что те же изображения можно дополнительно анализировать для оценки системных факторов риска.

«Сетчатка похожа на окно в историю пациента», — отметила профессор биомедицинской инженерии Университета Флориды Руогу Фан.

Как ученые обучали искусственный интеллект

Авторы проанализировали 62 876 цветных фотографий глазного дна, полученных от 44 501 участника UK Biobank. Эта база содержит медицинские, биологические и поведенческие данные более чем 500 тыс. жителей Великобритании. Исходная информация участников была собрана в возрасте от 40 до 69 лет.

Согласно разделу с описанием методологии исследования, ученые сначала проверили качество изображений и исключили снимки, которые специальный алгоритм признал непригодными для анализа. Фотографии правого глаза зеркально развернули, чтобы положение анатомических структур соответствовало изображениям левого глаза.

После обработки данных участников распределили между выборками для разработки и проверки модели в соотношении 80 к 20. Это разделение проводилось на уровне людей, чтобы снимки одного участника не могли одновременно оказаться в обучающей и проверочной выборках.

Искусственный интеллект обучили распознавать по состоянию сетчатки 12 характеристик, которые авторы связали с риском развития болезни Альцгеймера. В их число вошли пол, возраст, курение, частота употребления алкоголя, проблемы со сном, статус рецидивирующей депрессии, уровень дохода, возраст завершения очного образования, индекс массы тела, систолическое и диастолическое артериальное давление, а также уровень гликированного гемоглобина HbA1c. Последний показатель позволяет оценить среднее содержание глюкозы в крови за продолжительный период.

Информацию о курении, употреблении алкоголя, проблемах со сном, образовании, доходах и психическом состоянии участники указывали самостоятельно. Давление и индекс массы тела измеряли во время обследования, а показатель HbA1c и генетический пол определяли на основании лабораторных данных.

Медицинские карты не всегда содержат полную информацию об образе жизни пациента, отметили авторы. Кроме того, люди могут неточно оценивать частоту употребления алкоголя, продолжительность сна или другие привычки. Снимок сетчатки в перспективе способен стать дополнительным объективным источником данных, поскольку состояние сосудов и нервных структур может отражать суммарное влияние различных факторов на организм.

На какие участки глаза обращал внимание ИИ

Чтобы понять логику модели, ученые применили карты значимости. Они показывают, какие области изображения сильнее всего влияют на вывод алгоритма. Наиболее важными оказались артерии и вены сетчатки, диск зрительного нерва и расположенное в нем углубление — экскавация. Эти структуры могут меняться с возрастом, при повышенном артериальном давлении, нарушениях обмена веществ и продолжительном воздействии вредных привычек.

При определении пола модель преимущественно анализировала форму диска зрительного нерва и экскавации. При распознавании истории курения она также чаще обращала внимание на область выхода зрительного нерва. С употреблением алкоголя, нарушениями сна и другими показателями были связаны отдельные особенности артерий и вен, включая их ширину, плотность и сложность сосудистой сети.

Кроме того, алгоритм оценивал извилистость сосудов, соотношение диаметра артерий и вен и плотность их разветвления. Однако сложные характеристики извилистости он распознавал хуже, чем общую форму диска зрительного нерва и ширину сосудов.

Часть обнаруженных закономерностей нельзя считать специфичной для болезни Альцгеймера. Сосуды сетчатки меняются при большом количестве состояний — от гипертонии и диабета до естественного старения. Следовательно, алгоритм может фиксировать общий накопленный сосудистый и метаболический ущерб, а не ранние проявления конкретного нейродегенеративного заболевания.

«Ретинальная морфология может дать измеримые показатели нейрососудистой целостности, имеющей большое значение для уязвимости к болезни Альцгеймера», — пояснила Руогу Фан.

Что обнаружили за несколько лет до диагноза

Отдельную часть работы авторы посвятили участникам, у которых болезнь Альцгеймера выявили уже после получения фотографий сетчатки. Как говорится в полном тексте исследования, в эту группу вошли 52 человека. Из нее исключили пациентов с сосудистой и лобно-височной деменцией, чтобы оставить только случаи болезни Альцгеймера без сопутствующих типов деменции. Для сравнения ученые отобрали еще 52 участника без заболевания, сопоставимых по основным демографическим и медицинским характеристикам.

Снимки были сделаны в среднем за 8,55 года до выявления болезни Альцгеймера. Интервал между фотографированием сетчатки и диагнозом составлял от 2,38 до 11,41 года. Некоторые показатели значимости участков сетчатки различались между будущими пациентами и контрольной группой. По мнению авторов, это может указывать на пересечение изменений, связанных с известными факторами риска, и процессов, сопровождающих доклиническую стадию заболевания.

Однако сами исследователи предупреждают, что этот анализ носил ретроспективный и поисковый характер. Он не доказывает, что модель способна заранее предсказывать болезнь Альцгеймера. Алгоритм обучали распознавать факторы риска, а не определять, у кого впоследствии возникнет заболевание. Авторы прямо указывают, что полученный результат нельзя интерпретировать как доказательство прогностической способности модели в отношении будущих случаев болезни.

Кроме того, в дополнительном анализе участвовали только 52 будущих пациента и 52 человека из контрольной группы. Такой объем выборки недостаточен для разработки и клинической проверки полноценного прогностического теста.

Как метод могут использовать в будущем

Главное потенциальное преимущество технологии заключается не в постановке диагноза, а в предварительном отборе пациентов. Если дальнейшие исследования подтвердят ее надежность, снимки, уже получаемые во время обычного офтальмологического обследования, можно будет дополнительно анализировать с помощью искусственного интеллекта.

Алгоритм мог бы отмечать сочетания признаков, требующие внимания врача. После этого пациенту можно было бы предложить измерение давления и уровня глюкозы, когнитивное тестирование, консультацию невролога или исследования специфических биомаркеров. Такой подход может оказаться полезным для массового скрининга, поскольку фотографирование глазного дна доступнее и дешевле МРТ и позитронно-эмиссионной томографии.

Ученые и ранее пытались распознавать заболевание по структуре сосудов сетчатки. В опубликованной в 2021 году работе в Scientific Reports модель машинного обучения различала снимки пациентов с болезнью Альцгеймера и контрольной группы со средней точностью 82,44%. Наиболее информативными тогда оказались мелкие сосуды.

Однако подобные результаты пока относятся к исследовательским моделям, а не к доступным пациентам диагностическим процедурам. Точность, полученную на ограниченной выборке, нельзя автоматически переносить на население в целом или на работу системы в обычной клинике.

Новая работа развивает это направление: вместо попытки обнаружить уже имеющееся заболевание ее авторы сосредоточились на характеристиках, которые могут быть связаны с уязвимостью организма за годы до появления симптомов. Такой подход потенциально позволяет перенести внимание с поздней диагностики на раннюю оценку факторов риска.

Для применения технологии в клиниках потребуются более крупные продольные исследования, проверка на независимых и этнически разнообразных выборках, а также сравнение результатов с подтвержденными биомаркерами болезни Альцгеймера. До этого времени состояние сетчатки можно рассматривать лишь как один из возможных источников дополнительной информации о здоровье сосудов и нервной системы, но не как способ самостоятельно определить вероятность будущего заболевания.