Исследователи разработали компактный оптический чип с искусственным интеллектом, который может выявлять дисфункцию мейбомиевых желёз — одну из главных причин синдрома сухого глаза. В исследовании точность распознавания составила 96,22%.
Работа опубликована в журнале PhotoniX. Авторы использовали не обычное цветное изображение, а спектральные признаки ткани — своеобразные «световые отпечатки», которые отражают её состав и структуру.
Почему это важно при сухом глазе
Мейбомиевы железы находятся в веках и выделяют липиды — жироподобные вещества, которые образуют наружный слой слёзной плёнки. Этот слой уменьшает испарение слезы и помогает глазу оставаться увлажнённым.
При дисфункции мейбомиевых желёз их протоки закупориваются или начинают работать неправильно. В результате слёзная плёнка становится нестабильной, слеза быстрее испаряется, появляются жжение, ощущение песка в глазах, покраснение, колебания зрения и усталость глаз.
Проблема в том, что современные методы диагностики во многом зависят от осмотра врача и функциональных проб. Они полезны, но могут быть субъективными. А такие методы, как мейбография, показывают форму и состояние желёз, но не дают прямой информации о химическом составе ткани.
Что сделали учёные
Команда проанализировала патологические срезы тканей людей с дисфункцией мейбомиевых желёз и без неё. Патологический срез — это тонкий образец ткани, подготовленный для исследования под микроскопом.
Для анализа создали чип на основе спектральной свёрточной нейронной сети (spectral convolutional neural network, SCNN). Свёрточная нейронная сеть — это разновидность искусственного интеллекта, которая особенно хорошо распознаёт закономерности на изображениях. В данном случае она работала не только с формой ткани, но и со спектром света.
Спектральный анализ показывает, как ткань взаимодействует со светом разных длин волн. Это помогает судить о биохимических изменениях, например о свойствах гемоглобина — белка крови, который переносит кислород, — и липидного секрета мейбомиевых желёз.
Как работает чип
В устройство встроили массив метаповерхностных фильтров. Метаповерхность — это искусственно созданная микроструктура, которая управляет прохождением света. Такие фильтры позволяют не просто получать изображение, а сразу выделять нужные спектральные признаки.
Чип объединён с датчиком изображения на основе комплементарного металл-оксид-полупроводника (complementary metal oxide semiconductor, CMOS). Такой тип датчиков широко используется в цифровых камерах и медицинской визуализации.
Главная особенность подхода — часть вычислений происходит прямо во время получения изображения. Поэтому системе не нужно долго сканировать образец и затем отдельно обрабатывать большой массив данных. Полная карта спектральных признаков формируется за десятки миллисекунд, тогда как обычные гиперспектральные системы часто требуют механического сканирования и работают значительно медленнее.
Какие признаки отличали больные железы
У образцов с дисфункцией мейбомиевых желёз исследователи обнаружили отличия в видимом и ближнем инфракрасном диапазонах света.
В видимом диапазоне изменения могли быть связаны с особенностями гемоглобина и его производных. Это может отражать воспаление или изменения микроциркуляции — кровотока в мельчайших сосудах.
В ближнем инфракрасном диапазоне отличия, вероятно, были связаны с липидным составом секрета мейбомиевых желёз и структурой ткани. Эти признаки также соотносились с клиническими показателями тяжести заболевания.
Точность оказалась выше, чем у обычных изображений
Модель на основе спектральной свёрточной нейронной сети показала среднюю диагностическую точность 96,22%. Это было сопоставимо с традиционной гиперспектральной визуализацией и заметно выше, чем у моделей, обученных на обычных изображениях в красном, зелёном и синем каналах (red, green, blue, RGB), где точность составляла 84,00%.
Обычные цветные изображения в основном передают цвет и форму. Спектральный подход добавляет информацию о составе ткани, поэтому система лучше различает образцы с заболеванием и без него.
Что это может дать пациентам
Пока речь идёт о раннем технологическом этапе, а не о готовом приборе для массовой клинической практики. В исследовании использовали подготовленные образцы тканей, а не прямое обследование живого глаза. Кроме того, выборка была небольшой, поэтому результаты нужно подтвердить в более крупных исследованиях.
Но направление выглядит перспективным. Если технологию удастся адаптировать для обследования непосредственно во время приёма, её можно будет встроить в офтальмологические приборы, например в щелевую лампу — микроскоп, который врач использует для осмотра глаза.
Для пациентов это означало бы более быструю, объективную и количественную оценку состояния мейбомиевых желёз. Такая диагностика особенно важна на ранних стадиях, когда жалобы уже есть, а структурные изменения ещё трудно заметить. Ранее МКБ-11 писал, что синдром сухого глаза выявлен у половины взрослых, но большинство не получают лечения.
Литература
Shi Y., Liu T., Yang S., et al. Diagnosis of meibomian gland dysfunction based on spectral convolutional neural network chip // PhotoniX. — 2026. — Vol. 7. — Article 25. — DOI: 10.1186/s43074-026-00246-2.