肯尼索州立大学的研究人员Mahmut Karakaya和Ramazan Aygun最近获得了一项美国国立卫生研究院（NIH）的资助，以支持他们通过技术手段解决糖尿病眼病的方法。
该项目将重点关注糖尿病视网膜病变，这是一种由糖尿病引起的并发症，会损害视网膜中的微小血管。如果不及时发现，糖尿病视网膜病变可能导致视力丧失，而早期症状并不明显。根据美国疾病控制与预防中心的数据，美国有超过900万人患有这种严重的眼部疾病。
在NIH资助的支持下，Karakaya和Aygun将开发一种基于智能手机的视网膜成像系统，通过使用人工智能来更早、更经济地检测该疾病。Karakaya十年前就开始探索这项技术。
“我们当时正在用智能手机扫描不可见的条形码，”Karakaya说，他是肯尼索州立大学计算与软件工程学院的计算机科学助理教授。“这让我想到，‘如果用智能手机捕捉医学图像会怎么样？’”
后来，研究转向了视网膜成像，认识到现有的智能手机工具可以捕捉图像但无法分析它们。结合智能手机硬件和机器学习，两人旨在创建一个既易于获取又准确的诊断工具。
埃及被选为测试地点，因为该国的糖尿病患病率超过20%。通过一位埃及的合作方，Karakaya和Aygun与当地医疗专业人员建立了合作关系，以支持该项目。虽然埃及是起点，但这项技术旨在全球范围内使用，包括美国的农村地区。
与传统设备动辄高达5万美元的成本相比，他们的系统依赖于智能手机、镜头附件和人工智能来筛查糖尿病视网膜病变。患者的视网膜图像被捕捉后，评估其质量并由人工智能进行分析。如果发现异常，系统会建议患者进一步咨询专科医生。
“这种方法对初级保健来说是革命性的，”Aygun说，他是计算机科学副教授。“有了这个工具，我们可以直接接触到人们，无需昂贵的设备或现场专家。”
团队还在开发WisdomNet，这是一种能够识别自身不确定性的AI框架，并将复杂病例转交给人类医生处理。
“我们的目标不仅仅是建立一个准确的模型，还要建立一个值得信赖的模型，”Aygun补充道。
为了使AI更加健壮，他们正在融入专业知识，并计划使用注视追踪来教会算法如何像医生一样评估视网膜图像。他们的目标是在项目结束时达到至少80%的诊断准确性。
从本科生到博士生，各个层次的学生都在为这项工作做出贡献。
“他们不仅在学习如何编码或训练模型，还在学习如何构建道德可靠、影响生活的工具，”Karakaya说。
长期来看，这些教职员工希望该系统能够扩展到移动诊所、临时筛查甚至社区卫生工作者的远程监测中。在适当的支持和部署下，该技术不仅可以解决糖尿病视网膜病变的医疗差距，还可以适应检测其他威胁视力的疾病，如青光眼和黄斑变性。
“可及性是我们工作的核心，”Karakaya说。“这是关于消除成本、距离和技术障碍，让人们有能力及早采取行动。”
(全文结束)
