Warstwa AI w HEYEX 2 nie jest pojedynczym algorytmem, lecz ekosystemem obejmującym zarówno klasyczne modele oparte na analizie cech (ang. feature-based), jak i głębokie konwolucyjne sieci neuronowe (CNN, od ang. convolutional neural networks), trenowane na dużych zbiorach danych obrazowych. System wykorzystuje modele segmentacyjne (np. U-Net i jego warianty) do detekcji granic warstw siatkówki oraz modele klasyfikacyjne do oceny obecności patologii. Wydaje się, że taka organizacja pracy odzwierciedla współczesny trend zastosowania AI w praktyce klinicznej, tj. wykorzystywanie wielu podsystemów sztucznej inteligencji, wyspecjalizowanych w określonych zadaniach. Warto też wskazać kolejny istotny trend, polegający na wykorzystaniu zewnętrznych narzędzi AI, rozwijanych przez niezależne firmy. To daje szansę nawet małym zespołom na sukces komercyjny, jeśli tylko będą one potrafiły wykazać skuteczność swoich rozwiązań. Więcej: architektura systemu pozwala na implementację zewnętrznych algorytmów poprzez API, co umożliwia np. prowadzenie badań naukowych we współpracy z ośrodkami akademickimi. HEYEX 2 funkcjonuje w modelu hybrydowym, łącząc lokalne przetwarzanie danych z rozwiązaniami typu SaaS (od ang. software as a service), dzięki czemu możliwa jest integracja z chmurowymi systemami analitycznymi czy badania wieloośrodkowe. Ważnymi zagadnieniami, które muszą brać pod uwagę wszyscy producenci oprogramowania, są bezpieczeństwo danych i zachowanie prywatności. Nowoczesne systemy mogą przechowywać dane lokalnie (ang. on-premise) lub w bezpiecznych środowiskach chmurowych, zgodnych z regulacjami takimi jak europejskie RODO czy amerykańskie HIPAA (Health Insurance Portability and Accountability Act). W systemie HEYEX 2 stosuje się wielopoziomowe mechanizmy bezpieczeństwa, w tym: szyfrowanie danych (zarówno magazynowanych, jak i w transmisji), kontrolę dostępu opartą na rolach (ang. role-based access control), audyt logów oraz anonimizację danych wykorzystywanych do trenowania modeli AI. Z punktu widzenia prywatności pacjenta kluczowe jest także wsparcie dla pseudonimizacji i integracji z systemami elektronicznej dokumentacji danych pacjentów, co umożliwia zgodne z przepisami przetwarzanie danych klinicznych. Z powyższego opisu jednego tylko systemu widać, że hipotetyczne możliwości współczesnej techniki są naprawdę imponujące. Wbudowane moduły AI mogą wykonywać nie tylko diagnostykę polegającą na klasyfikacji obrazów, ale także np. monitorować postęp chorób, prowadzić rehabilitację lub terapię wzroku czy stawiać wstępne diagnozy w przypadku zmian chorobowych. 88 Urządzenia dla specjalistów wielomodalne kombajny, które łączą funkcje kilku starszych instrumentów, dodając do tego współczesne możliwości cyfrowe – pracę w chmurze czy właśnie sztuczną inteligencję. Jak to działa i do czego służy? Poniżej przedstawiam – w kolejności losowej – wybrane istniejące rozwiązania tego typu, wskazując ich najważniejsze cechy oraz możliwości ich wykorzystania w gabinetach specjalistów zajmujących się szeroko pojętą ochroną narządu wzroku. HEYEX 2 System HEYEX 2 firmy Heidelberg Engineering stanowi dobry przykład współczesnego zaawansowanego środowiska do zarządzania i analizy obrazów oka, integrującego dane z urządzeń takich jak Spectralis OCT, HRT czy moduły angiograficzne. Kluczową cechą platformy jest architektura oparta na centralnym repozytorium danych obrazowych, umożliwiająca jednoczesną analizę multimodalną (w tym: OCT, OCT-A, zdjęcia dna oka w świetle widzialnym i FAF z autofluorescencji), co stanowi fundament dla implementacji algorytmów AI. System wykorzystuje wysokorozdzielcze dane wolumetryczne OCT, a także zaawansowane funkcje rejestracji i przetwarzania obrazów, co pozwala na bardzo stabilne i powtarzalne mapowanie struktur siatkówki, a podstawowa operacja segmentacji warstw odbywa się w sposób automatyczny.
RkJQdWJsaXNoZXIy NDI0NjE=