Исследователи разработали экспериментальную систему искусственного интеллекта (ИИ), которая анализирует трёхмерные изображения сетчатки и помогает выявлять признаки заболеваний глаз. Технология получила название OCTCube-M и пока находится на исследовательском этапе, но уже показала более высокую точность по сравнению с более ранними моделями.
Работу провели специалисты Медицинской школы Вашингтонского университета в Сент-Луисе (WashU Medicine) совместно с коллегами из Вашингтонского университета в Сиэтле (University of Washington). Результаты опубликованы в журнале Nature Biomedical Engineering.
Почему врачам нужна помощь в чтении снимков
В офтальмологии широко используют оптическую когерентную томографию (ОКТ) — неинвазивное исследование, которое позволяет без боли и проколов получить послойное изображение структур глаза. По сути, врач видит сетчатку не как плоскую картинку, а как подробную трёхмерную карту.
Это очень ценно для диагностики возрастной макулярной дегенерации, глаукомы, диабетической ретинопатии и других заболеваний, которые могут привести к потере зрения. Но у такой точности есть обратная сторона: один снимок может включать сотни отдельных изображений. Их нужно внимательно просматривать, а это занимает время и повышает риск пропустить едва заметные изменения.
Что умеет OCTCube-M
OCTCube-M — это семейство из трёх моделей искусственного интеллекта. Они обучены анализировать трёхмерные данные ОКТ, а также другие виды изображений глаза: инфракрасную визуализацию сетчатки и автофлуоресценцию глазного дна. Автофлуоресценция — метод, при котором оценивают естественное свечение тканей сетчатки; он помогает видеть повреждения клеток, поддерживающих работу фоторецепторов.
Для обучения системы использовали более 26 000 трёхмерных снимков ОКТ, включавших 1,62 миллиона отдельных срезов сетчатки. Срез — это изображение тонкого слоя ткани, похожее на «ломтик» в объёмной картине.
Лучше распознаёт заболевания сетчатки
В новом исследовании OCTCube-M сравнили с моделями, обученными только на двумерных изображениях. Новая система точнее выявляла шесть из восьми заболеваний сетчатки — примерно на 4–6 процентных пунктов лучше.
В практическом пересчёте это означает, что среди 1000 людей с заболеванием глаз система могла бы дополнительно выявить от 43 до 60 случаев, которые более старая модель могла пропустить.
Среди заболеваний, которые оценивали исследователи, была возрастная макулярная дегенерация. Это распространённая болезнь, при которой страдает макула — центральная зона сетчатки, отвечающая за чёткое зрение, чтение и распознавание лиц.
Прогнозирование географической атрофии
Особое внимание учёные уделили географической атрофии — тяжёлой форме возрастной макулярной дегенерации. При ней постепенно гибнут клетки сетчатки, и человек теряет центральное зрение.
Модель, которая объединяла данные ОКТ, инфракрасного изображения и автофлуоресценции глазного дна, лучше прогнозировала скорость роста очагов географической атрофии. По словам одного из руководителей исследования Аарона Ли (Aaron Lee), это может помочь точнее определять стадию болезни и проектировать более эффективные клинические испытания новых методов лечения.
Сетчатка как окно в сосудистое здоровье
Интересная часть работы выходит за пределы офтальмологии. Исследователи показали, что модель могла по изображениям сетчатки оценивать риск некоторых состояний вне глаза, включая инфаркт миокарда, инсульт и почечную недостаточность.
Объяснение в том, что мелкие сосуды сетчатки отражают состояние сосудистой системы организма. Процессы, которые повреждают сосуды сердца, мозга или почек, могут оставлять следы и в глазном дне.
Это не значит, что обычный снимок глаза уже заменяет кардиологическое или нефрологическое обследование. Но в будущем такие технологии могут сделать офтальмологический осмотр дополнительным способом раннего выявления системных рисков.
Что это значит для пациентов
Для пациента главная перспектива проста: такие системы могут помочь врачу быстрее и внимательнее обработать большой объём снимков. Искусственный интеллект не заменяет офтальмолога, но может подсветить подозрительные участки, оценить динамику болезни и помочь не упустить ранние признаки ухудшения.
Пока OCTCube-M остаётся экспериментальной системой. Перед внедрением в клиники её нужно проверить на более крупных и разнообразных наборах данных, включающих больше пациентов, больше заболеваний и разные типы оборудования.
Сходная идея — использовать глаз как источник информации не только о зрении, но и о здоровье нервной и сосудистой системы — обсуждалась в материале МКБ-11 о том, как проверка глаз может предсказать болезнь Альцгеймера за десятилетия до первых симптомов.
Литература
Liu Z. et al. A three-dimensional multi-modal foundation model for optical coherence tomography // Nature Biomedical Engineering. 2026. DOI: 10.1038/s41551-026-01662-2.