Стандартный снимок сетчатки способен отражать возраст человека, состояние его сосудов и привычки, которые связаны с риском развития болезни Альцгеймера. Исследователи полагают, что в перспективе искусственный интеллект, анализирующий такие изображения, сможет выявлять людей, нуждающихся в углубленном обследовании задолго до появления когнитивных симптомов. Какие именно изменения в глазах участников нашла модель, насколько точен оказался предложенный подход и почему его пока рано рассматривать как диагностический тест, рассказывается в материале «Известий».

Что сетчатка может рассказать о здоровье мозга

Сетчатка — это слой нервной ткани, расположенный на внутренней стороне глазного яблока. На ее состояние влияют не только болезни глаз, но и деятельность сосудистой, нервной и метаболической систем тела. В связи с этим исследователи считают глазное дно сравнительно доступным источником сведений о процессах, которые могут идти в мозге.

Цветная фотография глазного дна, в отличие от трудоемких нейровизуализационных методик, выполняется быстро и без инвазивных процедур. Подобные снимки уже активно используются при осмотре больных диабетом, глаукомой и другими патологиями. Ученые допускают, что эти же изображения можно дополнительно изучать для оценки общих факторов риска.

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

Как ученые обучали искусственный интеллект

Исследователи изучили 62 876 цветных снимков глазного дна, сделанных у 44 501 участника проекта UK Biobank. Эта база включает медицинские, биологические и поведенческие сведения о более чем 500 тыс. жителей Великобритании. Первоначальные данные собирались у людей в возрасте от 40 до 69 лет.

Как указано в методологическом разделе работы, сначала специалисты оценили качество изображений и отбраковали те, которые специальная программа посчитала непригодными для исследования. Снимки правого глаза зеркально отразили, чтобы расположение анатомических структур совпадало с изображениями левого глаза.

Затем участников разделили на наборы для обучения и тестирования модели в пропорции 80 на 20. Деление выполнялось по людям, а не по отдельным снимкам, чтобы фотографии одного и того же человека не попали одновременно в обучающую и проверочную выборки.

Модель искусственного интеллекта научили определять по состоянию сетчатки 12 параметров, которые авторы связали с вероятностью развития болезни Альцгеймера. Среди них были: пол, возраст, курение, частота употребления алкоголя, нарушения сна, рецидивирующая депрессия, уровень доходов, возраст окончания очного обучения, индекс массы тела, систолическое и диастолическое давление, а также уровень гликированного гемоглобина HbA1c. Последний показатель отражает среднюю концентрацию глюкозы в крови за длительное время.

Сведения о курении, потреблении алкоголя, качестве сна, образовании, доходах и психическом статусе участники предоставляли сами. Артериальное давление и индекс массы тела фиксировали при осмотре, а уровень HbA1c и генетический пол устанавливали по лабораторным анализам.

Авторы подчеркнули, что медицинские записи не всегда включают полные данные об образе жизни. Более того, пациенты могут неверно оценивать, как часто они пьют алкоголь, сколько спят или каковы их привычки. Фотография сетчатки в будущем может стать дополнительным объективным источником информации, так как состояние сосудов и нервных структур способно отражать совокупное воздействие разных факторов на организм.

На какие участки глаза обращал внимание ИИ

Для понимания принципов работы модели исследователи использовали карты значимости. Они демонстрируют, какие участки изображения в наибольшей степени определяют решение алгоритма. Самыми значимыми оказались артерии и вены сетчатки, диск зрительного нерва и находящееся в нем углубление — экскавация. Эти структуры способны изменяться с возрастом, при высоком давлении, метаболических нарушениях и длительном влиянии вредных привычек.

Определяя пол, алгоритм в основном изучал форму диска зрительного нерва и его углубления. При выявлении курительного стажа он также чаще концентрировался на зоне выхода зрительного нерва. С потреблением алкоголя, проблемами со сном и другими параметрами коррелировали отдельные характеристики артерий и вен, в том числе их ширина, плотность и сложность сосудистой сети.

Помимо этого, модель оценивала извитость сосудов, соотношение диаметров артерий и вен, а также густоту их ветвления. При этом сложные параметры извитости распознавались хуже, чем общая форма диска зрительного нерва и ширина сосудов.

Некоторые выявленные закономерности нельзя рассматривать как характерные именно для болезни Альцгеймера. Сосуды сетчатки изменяются при множестве состояний — от гипертонии и диабета до обычного старения. Таким образом, алгоритм, вероятно, регистрирует общий накопленный сосудистый и метаболический урон, а не ранние признаки конкретного нейродегенеративного расстройства.

«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

Отдельный раздел исследования авторы отвели участникам, у которых болезнь Альцгеймера была диагностирована уже после того, как были сделаны снимки сетчатки. Согласно полному тексту работы, в эту группу попали 52 человека. Из нее исключили больных с сосудистой и лобно-височной деменцией, чтобы остались только случаи болезни Альцгеймера без сопутствующих деменций. Для сопоставления исследователи подобрали еще 52 здоровых участника, схожих по основным демографическим и медицинским параметрам.

Фотографии были получены в среднем за 8,55 года до постановки диагноза болезни Альцгеймера. Промежуток между созданием снимка и выявлением заболевания варьировался от 2,38 до 11,41 года. Некоторые показатели значимости зон сетчатки у будущих пациентов отличались от значений контрольной группы. По мнению исследователей, это может свидетельствовать о пересечении изменений, обусловленных известными факторами риска, и процессов, сопровождающих доклиническую фазу болезни.

Тем не менее авторы предостерегают: этот анализ был ретроспективным и поисковым. Он не подтверждает, что модель может заранее прогнозировать болезнь Альцгеймера. Алгоритм учили распознавать факторы риска, а не выявлять, у кого позже разовьется заболевание. Исследователи прямо отмечают, что полученные данные нельзя трактовать как доказательство прогностической силы модели в предсказании будущих случаев.

Более того, в дополнительном анализе были задействованы лишь 52 будущих больных и 52 человека из контрольной группы. Такой размер выборки слишком мал для создания и клинической валидации полноценного прогностического инструмента.

Как метод могут использовать в будущем

Основное возможное преимущество подхода состоит не в диагностике, а в первичном отборе пациентов. Если последующие работы подтвердят надежность технологии, изображения, которые уже делают при стандартном офтальмологическом осмотре, можно будет дополнительно обрабатывать с помощью искусственного интеллекта.

Модель могла бы выделять комбинации признаков, на которые стоит обратить внимание врачу. Затем пациенту можно было бы порекомендовать измерить давление и уровень глюкозы, пройти когнитивные тесты, получить консультацию невролога или сдать анализы на специфические биомаркеры. Такой метод может пригодиться для массового скрининга, поскольку фотографирование глазного дна более доступно и дешево, чем МРТ и позитронно-эмиссионная томография.

Исследователи уже предпринимали попытки выявлять болезнь по строению сосудов сетчатки. В статье, опубликованной в Scientific Reports в 2021 году, модель машинного обучения отличала снимки больных болезнью Альцгеймера от контрольной группы со средней точностью 82,44%. Наиболее информативными тогда оказались мелкие кровеносные сосуды.

Впрочем, такие результаты пока касаются лишь научных моделей, а не диагностических процедур, доступных пациентам. Точность, достигнутую на ограниченной выборке, нельзя автоматически распространять на все население или на работу алгоритма в обычной клинической практике.

Новое исследование продолжает данное направление: вместо поиска уже имеющейся болезни авторы сконцентрировались на параметрах, которые могут указывать на уязвимость организма за годы до возникновения симптомов. Такой подход в перспективе смещает акцент с поздней диагностики на раннюю оценку факторов риска.

Чтобы внедрить технологию в клиническую практику, понадобятся более масштабные лонгитюдные исследования, испытания на независимых и этнически разнородных группах, а также сопоставление результатов с подтвержденными биомаркерами болезни Альцгеймера. До тех пор состояние сетчатки следует рассматривать лишь как один из возможных дополнительных источников сведений о здоровье сосудов и нервной системы, но не как самостоятельный метод определения вероятности будущей болезни.